准确率与召回率这个评价指标一般用于推荐系统，机器学习系统，数据挖掘等。是广泛用于信息检索和统计学分类领域的两个度量值，用来评价结果的质量。
准确率：Precision，也叫精度，查准率：是检索出相关文档数与检索出的文档总数的比率，检索出来的条目（比如：文档、网页等）有多少是准确的；
召回率：Recall，查全率，是检索出的相关文档数和文档库中所有的相关文档数的比率，所有准确的条目有多少被检索出来了。
指标的定义：【两者取值在0和1之间，数值越接近1，查准率或查全率就越高。】
正确率 = 提取出的正确信息条数 / 提取出的信息条数
召回率 = 提取出的正确信息条数 / 样本中的信息条数
F值 = 正确率 * 召回率 * 2 / (正确率 + 召回率) （F 值即为正确率和召回率的调和平均值）
召回率大小直接影响准确率，直接影响机器学习模型、深度学习模型线上效果。
模型实时计算第一步是模型上线，将spark、TensorFlow训练模型通过实时加载，使用到线上实时CTR点击量预估。第二步是不断扩大线上召回集，增加新特征来提升点击量预估准确率。