📚 课程目录第4章召回率与F1分数

4. 召回率与F1分数：不只是另一个指标

讲完了精确率，咱们得聊聊它的「好兄弟」——召回率。说实话，我刚入行那会儿，总觉得这两个东西差不多。直到有一次做医疗影像的病灶检测模型，才被现实狠狠教育了一顿。

你想想看，一个模型如果只检出它最有把握的病灶，精确率确实高。但那些模棱两可的早期病变呢？漏掉了，病人可能就错过了最佳治疗期。这时候，召回率就站出来了。

召回率，也叫真正率或灵敏度。它回答的问题是：「所有真正的正样本里，模型找出来了多少？」

公式很简单：

Recall = TP / (TP + FN)

用中文说就是：真正例 / (真正例 + 假负例)

拿之前的例子来说。100个真实用户里，模型只认出了60个，剩下40个被误判为「非用户」。那召回率就是 60 / (60 + 40) = 0.6。

嗯，这里要注意。召回率高不代表模型好。我见过一个极端案例：模型把所有样本都判成正类，召回率直接100%。但精确率呢？惨不忍睹。所以光看召回率，容易掉坑里。

核心理解：召回率衡量的是「漏报」的程度。召回率越低，漏掉的真实正样本越多。

精确率和召回率，就像跷跷板的两头。一个高了，另一个往往就低。那有没有一个指标能综合看两者？

有，就是F1分数。它用的是调和平均，不是算术平均。

为什么是调和平均？我给你算笔账：

看到了吗？调和平均对低分更敏感。一个指标拖后腿，F1就会明显下降。这恰恰是我们想要的——模型必须精确率和召回率都拿得出手，才算真正的好。

公式：

F1 = 2 * (Precision * Recall) / (Precision + Recall)

我个人习惯把F1理解成「平衡点」。它告诉你，在精确率和召回率之间，模型到底站不站得稳。

小技巧：当你的业务对精确率和召回率没有明显偏向时，F1是最稳妥的单一评价指标。我在做电商搜索排序时，就常用F1来快速筛选候选模型。

为什么精确率和召回率总是此消彼长？

说白了，问题出在分类阈值上。模型输出的是一个概率值，比如0.85。我们设定一个阈值，比如0.5，大于它的判为正类，小于的判为负类。

阈值调高，模型变得更「保守」。只有非常确信的样本才判为正类。精确率上去了，但很多模棱两可的正样本被漏掉，召回率下降。

阈值调低，模型变得更「激进」。稍微有点嫌疑就判为正类。召回率上去了，但误报也多了，精确率下降。

我做过一个欺诈交易检测的项目。当时业务方说「宁可错杀一千，不可放过一个」。好，那我就把阈值调得很低。召回率确实高，但精确率掉到了20%以下。结果审核团队每天要人工复核几千笔交易，差点没把我骂死。

后来我们重新商量，定了一个折中方案：用F1作为主要优化目标，同时给精确率和召回率各设一个底线。这样模型既不太激进，也不太保守。

避坑指南：我曾经犯过一个错——只看F1分数，忽略了业务成本。比如在医疗诊断中，漏诊（低召回率）的成本远高于误诊（低精确率）。这时候F1再高，也不一定是最优解。一定要结合业务场景来权衡。

下面这张图，把召回率、F1分数和Precision-Recall权衡的核心关系串起来了。你可以把它当作本章的知识地图。

说了这么多理论，到底什么时候该用哪个指标？我整理了一个表格，方便你对照着选。

我的建议：刚开始做模型评估时，别只盯着一个指标。把精确率、召回率、F1都打印出来，看看它们之间的差距。如果精确率和召回率相差很大，说明你的模型有偏向，需要调整阈值或者重新审视数据。

最后说一句。指标是工具，不是目的。我见过太多人为了刷F1分数，把模型调得奇奇怪怪。结果上线后，业务根本不买账。记住，最好的指标，是能帮你做出正确业务决策的那个。