在AI模型落地前，“这个模型准不准”是绕不开的问题。但“准”的定义并非单一维度——有时要抓牢所有目标，有时要避免误判，这就需要精准区分准确率、精确率、召回率，再用F1分数平衡关键指标。下面用“垃圾分类模型”（识别“可回收物”为正例）举例，带大家从基础到公式彻底吃透：

➔➔➔➔点击查看原文，获取更多机器学习干货和资料！https://mp.weixin.qq.com/s/RIg3YDA4OknbG6BGqrP5Vw

一、先搞懂“评估的基石”：混淆矩阵

所有指标都源于“模型预测结果”与“真实情况”的4种组合，这就是混淆矩阵，以二分类任务（只有“正例P”和“负例N”）为例：

• TP（True Positive，真正例）：真实是正例，模型也预测为正例
  例：真实是“可回收物”，模型正确识别为“可回收物”

• TN（True Negative，真负例）：真实是负例，模型也预测为负例
  例：真实是“厨余垃圾”，模型正确识别为“非可回收物”

• FP（False Positive，假正例）：真实是负例，模型误判为正例（“冤枉好人”）
  例：真实是“厨余垃圾”，模型错判为“可回收物”

• FN（False Negative，假负例）：真实是正例，模型误判为负例（“放过坏人”）
  例：真实是“可回收物”，模型错判为“非可回收物”

记住这4个值，后面所有指标都是它们的“组合计算”。

二、逐个拆解核心指标：定义+公式+适用场景

1. 准确率（Accuracy）：“整体对不对”，最直观但易误导

定义

模型预测正确的样本数，占总样本数的比例——反映“整体预测准确率”，是最容易理解的指标。

公式

预测正确的样本数总样本数

适用场景

• 正负样本分布均衡的场景（如普通分类任务，正例、负例各占50%）；

• 对“整体正确率”要求高，且误判正例、误判负例代价相近的场景（如学生考试分数预测“及格/不及格”）。

注意坑点

若样本极度不均衡（如“疾病诊断”，患病者仅占1%），模型全预测“未患病”（TN极高，TP=0），准确率仍能达到99%，但完全没用——因此不均衡场景下，准确率不能单独作为核心指标。

2. 精确率（Precision）：“预测为正的，到底对不对”，防“误判”

定义

模型预测为“正例”的样本中，真正是正例的比例——核心是“控制假阳性（FP）”，避免“把负例错当正例”。

公式

真正是正例的预测正例数所有预测为正例的样本数

适用场景

• 误判正例（FP）代价高的场景：
  ▶ 垃圾邮件识别：把“正常邮件”错判为“垃圾邮件”（FP），会导致用户漏看重要信息，因此需要高精确率；
  ▶ 电商“推荐商品”：推荐的商品若用户不喜欢（FP），会降低用户体验，需保证“推荐的大多是用户想要的”。

例子

若模型预测100个“可回收物”（TP+FP=100），其中只有80个是真的可回收物（TP=80），则精确率=80/100=80%——意味着“模型说‘是可回收’的，80%是对的”。

3. 召回率（Recall，也叫查全率）：“真实是正的，到底找没找全”，防“漏判”

定义

所有真实正例中，被模型成功预测为正例的比例——核心是“控制假阴性（FN）”，避免“把正例错当负例”。

公式

被正确预测的正例数所有真实正例数

适用场景

• 误判负例（FN）代价高的场景：
  ▶ 疾病诊断：把“患病者”错判为“健康人”（FN），会延误治疗，因此需要高召回率（尽可能把所有患者都找出来）；
  ▶ 火灾报警：漏判“真实火灾”（FN）会导致重大事故，需保证“所有真实火灾都能被检测到”。

例子

若实际有100个“可回收物”（TP+FN=100），模型只识别出70个（TP=70），则召回率=70/100=70%——意味着“真实的可回收物，70%被模型找到了”。

4. F1分数（F1-Score）：平衡精确率和召回率，解决“两难问题”

为什么需要F1？——精确率和召回率的“矛盾性”

精确率和召回率往往是“此消彼长”的：

• 想让“预测的正例更准”（提高精确率）：会收紧判断标准（比如只把“100%像可回收物”的样本判为正例），但会漏掉部分模糊的正例（降低召回率）；

• 想让“真实正例全找到”（提高召回率）：会放宽判断标准（比如“80%像可回收物”就判为正例），但会引入更多负例（降低精确率）。

此时需要一个指标，综合两者表现——这就是F1分数。

定义

精确率（P）和召回率（R）的调和平均数，能同时反映两者水平，且更偏向“较低值”（避免某一指标极低、另一极高时，分数虚高）。

公式

首先计算调和平均（避免算术平均的缺陷）：

代入P和R的原始公式，也可写成：

适用场景

• 精确率和召回率都需要兼顾，且两者重要性相近的场景：
  ▶ 人脸识别（门禁系统）：既不能把“陌生人”错判为“用户”（FP，安全风险，需高P），也不能把“用户”错判为“陌生人”（FN，用户体验差，需高R），因此用F1平衡；
  ▶ 文本分类（如“新闻分类为体育/财经”）：既不能把“财经新闻”错归为“体育”（FP），也不能漏掉“体育新闻”（FN），需F1评估整体效果。

例子

若模型精确率=80%，召回率=70%，则F1=2*(0.80.7)/(0.8+0.7)=20.56/1.5≈0.747，即74.7%——反映模型在“准”和“全”之间的综合表现。

三、一句话总结：什么时候用哪个指标？

• 看整体均衡场景 → 准确率；

• 怕“错把负当正”（FP代价高） → 精确率；

• 怕“错把正当负”（FN代价高） → 召回率；

• 既怕错判又怕漏判 → F1分数。

下次评估模型时，别再只看“准确率”啦！根据业务场景选对指标，才能真正判断模型“好不好用”～

➔➔➔➔点击查看原文，获取更多机器学习干货和资料！https://mp.weixin.qq.com/s/RIg3YDA4OknbG6BGqrP5Vw