在二分类模型中，对于任意一个输入数据，结果只用两个：正类或者负类。对于一个输入数据集，假定该模型产生如下结果：

• PT： 模型结果为正类且真实为正类的数目
• PF： 模型结果为正类且真实为负类的数目
• NT： 模型结果为负类且真实为负类的数目
• NF： 模型结果为负类且真实为正类的数目

则召回率、准确度和F值的定义分别为：

召回率和准确度具有相同的分子，分母不同。F值是二者的算数平均数。

假设给定一个关键字， 搜索引擎返回了100个文档，其中80个是正确的，也即符合关键字， 剩余20个是错误的，也即和给定的关键字没有关系。则此时准确度为： \(80/100 = 80\%\)

假设还有40篇文档也符合这个关键字，但搜索引擎并没有返回这40篇文档，则召回率为： \(80 / (80 + 40) = 67\%\)

由此可见， 召回率表示了搜索引擎从所有符合条件的文档中“召回”正确文档的比例， 而准确度表示了搜索引擎返回文档中正确文档的比例。 所有符合条件的文档和返回文档这两个概念是不同的。

召回率描述了是否有遗漏，准确度描述了是否正确，F值综合了二者。

如果一个模型如果准确率很高，但召回率很低，即使结果中大多数数据是正确的，但却遗漏了很多正确的数据。如果一个模型召回率很高， 但准确率很低，则表示这个模型可能返回所有正确的数据，但返回的数据中，错误的数据也很多。

好的模型应该做到召回率和准确率都较高，也即F值较高。