Nlp fastText中的精确性和召回率？

我实现了文本分类的fastText，链接 我想知道有什么问题precision@1或P@5方法我做了一个二进制分类，但我测试了不同的数字，我不理解结果：

haos-mbp:fastText hao$ ./fasttext test trainmodel.bin train.valid 2
N   312
P@2 0.5
R@2 1
Number of examples: 312
haos-mbp:fastText hao$ ./fasttext test trainmodel.bin train.valid 1
N   312
P@1 0.712
R@1 0.712
Number of examples: 312
haos-mbp:fastText hao$ ./fasttext test trainmodel.bin train.valid 3
N   312
P@3 0.333
R@3 1
Number of examples: 312

---

精度是相关结果数与程序检索到的结果总数的比率。假设一个文档搜索引擎检索到100个文档，其中90个与查询相关，那么精度为90/100（0.9）。因为我们已经用100个结果计算了精度，所以这是P@100.

召回率是算法检索到的相关结果和所有相关结果总数的比率。与上面的示例相同，如果相关文档的总数为110，则召回为90/110

简而言之，回忆有助于评估信息检索程序在获取相关结果方面的完整性；精度有助于评估结果的准确性

---

请检查fasttext中的二进制分类，精度是正确预测的标签数量与模型预测的标签数量的比率

召回率是正确预测的标签数量与验证数据集中实际标签数量的比率

例如： 验证数据集中输入的实际标签：

a、B、C、F、G

模型输入的预测标签：

A、B、C、D

正确预测的标签：

A、B、C

精度：

3/4

=

0.75

召回：

3/5

=

0.6