机器学习中常用的评测指标为：Rank-n、Precision & Recall、F-score、Map 、CMC、ROC Single shot 和Muti shot，下面一个个进行介绍。
写到这里方便以后查看
Rank-n和Map 均是衡量算法搜索能力的指标。

Rank-n
搜索结果中最靠前（置信度最高）的n张图有正确结果的概率
rank 1， 就是第一次命中
rank k，就是在第k次以内命中
下面看一下是怎样计算的：

1. 计算rank-1的整个过程为:
   步骤1：计算数据集中每个输入图像的类标签概率。
   步骤2：原始标签与对应概率最大的标签进行比较，若相同为true，反之false
   步骤3：统计步骤2为true的个数
   rank-1准确度，即对应预测最高概率的标签与真实标签相同的个数占总个数的百分比——标签相同的个数 / 总数据个数。

2. 计算rank-5的整个过程为:
   步骤1： 计算数据集中每个输入图像的类标签概率。
   步骤2： 对预测的类标签概率进行降序排序
   步骤3： 判断真实的标签是否落在预测的top5标签里面，若存在，则标记为true，反之false
   步骤4： 统计步骤3中为true的个数

rank-5准确度是rank-1准确度的扩展，我们对一张图片的预测结果是来自模型输出结果中top5对应的5个预测，而不是top1的1个预测
当处理的大型数据集各个类别之间存在许多具有相似特征时，我们往往会增加一个rank-