precision，recall and precision-recall curve

precision是指检索出的结果中相关的比例，所以precision=true positive /(true positive+false negative). recall是指相关的条目被检索出的比例,所以recall= true positive/(true positive + false positive)。precision和recall双高当然是最好。但实际应用中往往precision和recall成反比关系。比如只检索出1条且相关，则precision为100%而recall则很低。而实际应用中则根据需要调整指标，比如如果是做搜索，那就是保证召回的情况下提升准确率；如果做疾病监测、反垃圾，则是保准确率的条件下，提升召回。

为了找到precision和recall的平衡点，往往会通过绘制precision-recall curve。PRC纵轴是precision，而横轴是recall，所以PRC曲线应该是越往右上凸越好（双高）而F1指则是结合了precision和recall的综合评估：2PR/(P+R)

通常还会用ROC曲线衡量分类器效果，ROC纵轴是true positive rate，横轴是false positive rate。通常tpr越高，fpr越低，分类器效果越好。所以ROC曲线越往左上凸越好。