前段时间在看机器学习中的相关东西，其中有些术语如精确率、召回率、平均精度和交并比，于是在网上查呀，一大堆资料，看的是有些绕，感觉主要是好多中文blog和文章说的不清楚，最后查看了wiki和一篇外文结合一些中文blog算是比较清楚了。由于这些blog和文献都说的比较好也全，在此就不重复抄袭了，我把参阅的文章和blog链接一并放置在此并做些说明。
1、
https://blog.csdn.net/hysteric314/article/details/54093734#commentsedit
这篇blog是翻译这篇外文blog：
https://sanchom.wordpress.com/tag/average-precision/
大体看了下，感觉翻译的很好（除个别翻译的有些别扭，感觉那篇外文有些地方写的也有点别扭），这篇介绍的很全面也很详细，而且举了一个生动的示例，很容易理解
2、
http://www.cnblogs.com/xuexuefirst/p/8858274.html
这篇blog讲的很不错，特别是陈述了一些不平衡数据的问题，还有混淆矩阵等
3、
https://en.wikipedia.org/wiki/Precision_and_recall
这是wiki上关于精度和召回率的一些解释说的很好，blog 2中的混淆矩阵感觉就来自其中。说实话我也不是太想wiki一下毕竟一大堆英文，但百度关于这个是在说的不好
4、有关准确率和精度的相关的文章链接
1）
https://celebrating200years.noaa.gov/magazine/tct/tct_side1.html（这篇外文用一个射击实例生动的阐述了两者的不同）
2）
https://blog.csdn.net/lingyunxianhe/article/details/88377997 （这是 1）的译文）
3）
https://en.wikipedia.org/wiki/Accuracy_and_precision
4）
https://blog.csdn.net/wokaowokaowokao12345/article/details/72830242
5）
http://www.cnblogs.com/zhizhan/p/4870429.html
这个需要特别说一下，我的理解：
准确率
是针对全体评估数据集的，而
精确率
是针对你需要检出正样本中局部数据集的，这里的局部数据集是你的模型检出的那部分数据，你检出的数据一定小于等于
全体评估数据集的。准确率是检测结果相对真实结果（ground truth)而言，而精确率是相对检测结果彼此之间而言
5、
https://en.wikipedia.org/wiki/Evaluation_of_binary_classifiers
6、
https://github.com/rafaelpadilla/Object-Detection-Metrics
这篇外文和工程，用一个实例很好的说明了AP的计算过程（有11点法和逐点法）有图有真相，还有代码非常值得一看
7、
https://www.cnblogs.com/sddai/p/12181023.html
这个博客比较详细的解释了voc_eval.py代码。个人感觉最重要说明了：对于某个recall值r，precision值取所有recall>r中的最大值（这样保证了p-r曲线是单调递减的，避免曲线出现摇摆）
最后还是上一张wiki有关这几个术语的定义的截图：
