Average Precision (AP)
本文翻译自Average Precision，如有侵权请联系博主删除。
计算机中的信息检索系统（如搜索引擎）性能评估一般包含两部分：
- 检索出来的结果和我们的查询有多么相关？（precision，即精确率）
- 该系统从数据库中检索出来的相关的结果有多少，即检索出来的正确结果在整个数据库中正确结果的比例是多少？（recall，即召回率）
对于不熟悉的读者，我们将解释什么是精确率（precision）和召回率（recall）。对于哪些熟悉的读者，我们将解释该领域中在比较精确率-召回率曲线时候的一些困惑。
天鹅和飞机
假定我们拥有一堆包含飞机和天鹅的照片集合。
我们希望我们的系统可以检索出所有的飞机图片，但是不要检索出任何天鹅的图片。
给定一个系统检索成果，我们可以定义四个指标：
True Positives：系统正确检索出来的飞机图片集合
True Negatives：系统正确地没有检索出来的天鹅图片集合
False Positives：系统错误地将天鹅图片检索出来而认为是飞机的天鹅图片集合
False Negatives：系统错误地将飞机图片没有检索出来而认为是天鹅的飞机图片结合
使用上述定义的指标，在上面的图例中，这里拥有三个True Positives和一个False Positive。两个False Negatives（系统没有返回的飞机图片）和四个True Negatives（系统没有检索返回的天鹅图片）。