引自Fabian Suchanek的讲义。
总结：有三个指数可以看出算法是否好，精确度precision，召回率recall和F1指数。所以本章重点为记忆这三种计算方式。
黄金标准Golden Standard：任务执行在语料库后我们所期待的结果
对的：output与golden standard的交集
精确度 Precision：对的/output的长度
召回率 Recall：对的/golden standard的长度
Precision和Recall的关系：二者不可能都高，一定是一高一低。
- 若Precision高：说明结果很好，但是有很多instance没有被检测
- 若Recall高：得到的结果中有很多是错的，但泛化能力强
- 若黄金标准和output长度一样(一个实例一个结果时)：precision=recall
F1指数F1 Mesure：表示precision和recall的均值
2 * (Precision * Recall) / (Precision + Recall)
