在資訊檢索、統計分類、識別、預測、翻譯等領域，兩個最基本指標是準確率和召回率，用來評價結果的質量。

準確率（Precision），又稱“精度”、“正確率”、“查準率”，表示在檢索到的所有文件中，檢索到的相關文件所佔的比例。

召回率（Recall），又稱“查全率”，表示在所有相關文件中，檢索到的相關文件所佔的比率。

兩者的公式為：

準確率 = 檢索到的相關文件數量 / 檢索到的所有文件總數

召回率 = 檢索到的相關文件數量 / 系統中所有相關文件的總數

圖示如下：

舉例來說：一個數據庫中有500個文件，其中有50個文件符合定義的問題。系統檢索到75個文件，其中只有45個文件符合定義的問題。

準確率 = 45 / 75 = 60%

召回率 = 45 / 50 = 90%

若將所有文件都檢索到，這些指標有何變化：

準確率 = 50 / 500 = 10%

召回率 = 50 / 50 = 100%

可見，準確率和召回率是相互影響的，理想情況下肯定是兩者都高，但是一般情況下準確率高，召回率就低；召回率高，準確率就低；如果兩者都低，那肯定是什麼環節有問題了。

比如，在檢索系統中，如果希望提高召回率，即希望更多的相關文件被檢索到，就要放寬“檢索策略”，便會在檢索中伴隨出現一些不相關的結果，從而影響到準確率。如果希望提高準確率，即希望去除檢索結果中的不相關文件時，就需要嚴格“檢索策略”，便會使一些相關文件不能被檢索到，從而影響到召回率。

針對不同目的，如果是做搜尋，那就是優先提高召回率，在保證召回率的情況下，提升準確率；如果做疾病監測、反垃圾，則是優先提高準確率，保準確率的條件下，提升召回率。

那麼，在兩者都要求高的情況下，如何綜合衡量準確率和召回率呢？一般使用F值。

F-Measure是準確率（P）和召回率（R）的加權調和平均。公式為：

當引數α=1時，就是最常見的F1，即

可見F1綜合了P和R的結果，可用於綜合評價實驗結果的質量。