机器学习中涉及到几个关于错误的概念：
precision：（精确度）
precision = TP/(TP+FP)
recall：（召回率）
recall = TP/(TP+FN)
accuracy：（准确度）
accuracy = (TP+TN)/(TP+FP+TN+FN)
F1 score：
F1 score = (2 * precision * recall) / (precision + recall)
对应到搜索引擎里就是：
给定查询条件，得到一个结果集，
Precision = 结果集中实际相关的文档集/结果集；
Recall = 结果集中实际相关的文档集/实际上与查询条件相关的文档集
这两个概念的主要作用是，对一个十分skewed的分类问题来说，很容易可以得到某个高精度的 学习算法，很容易以为得到一个好的算法，但是如果同时检查这个算法的 precision 和 recall，就可以知道这个学习算法到底是不是一个好的算法。