三、召回率与F1分数：平衡的艺术

前面我们聊了精确率，也就是模型预测为正例的那些样本里，到底有多少是真正正确的。但光看精确率够吗？不够。我举个例子你就明白了。

假设我们做一个癌症筛查模型。如果模型只把最有把握的那一个样本判为阳性，其他全判阴性，精确率可能是100%。但这模型有用吗？没用。因为它漏掉了几乎所有真正的病人。

所以，我们需要另一个指标——召回率。

3.1 召回率的深度解析

召回率衡量的是：所有真正的正例中，模型找出来了多少。

公式很简单：

Recall = TP / (TP + FN)

TP是正确找出来的正例，FN是漏掉的正例。说白了，召回率就是模型对正例的「抓全率」。

核心理解：

  • 精确率：模型说「是」的，有多少真「是」？—— 关注预测的准确性
  • 召回率：真正的「是」里，模型找出了多少？—— 关注正例的覆盖率

我在项目中遇到过这样一个场景：做金融欺诈检测时，业务方要求「宁可错杀一千，不可放过一个」。为什么？因为漏掉一笔欺诈交易，损失可能是几十万。这时候，召回率就是第一优先级。

但召回率也不是越高越好。你想想看，如果模型把所有样本都判为正例，召回率就是100%。但精确率会跌到惨不忍睹。这就是精确率和召回率之间的矛盾关系。

场景 优先指标 原因
癌症筛查 召回率 漏诊后果严重，宁可误诊也要找全
垃圾邮件过滤 精确率 误删正常邮件比漏掉垃圾邮件更糟糕
商品推荐 两者平衡 既要推荐准，又不能漏掉用户可能喜欢的

避坑指南：

我曾经在一个二分类项目中只看精确率，结果模型在测试集上精确率95%，上线后业务反馈「怎么漏了这么多？」。一查才发现，正例只占5%，模型学成了「保守派」——只预测最有把握的少数样本。从那以后，我养成了同时看精确率和召回率的习惯。

3.2 F1分数：调和平均的智慧

既然精确率和召回率各有侧重，能不能用一个数字综合衡量？这就是F1分数的由来。

F1是精确率和召回率的调和平均：

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

为什么用调和平均，而不是算术平均？我解释一下。

假设精确率=1.0，召回率=0.0。算术平均是0.5，看起来还行。但调和平均呢？

F1 = 2 * (1.0 * 0.0) / (1.0 + 0.0) = 0.0

F1直接归零。这才是真实情况——召回率为0的模型，根本不能用。

调和平均的特点：

  • 对极端值更敏感：一个指标差，F1就低
  • 鼓励两者均衡：只有精确率和召回率都高，F1才高
  • 比算术平均更「诚实」

我的经验：

做模型对比时，我习惯先看F1。如果两个模型F1差不多，再分别看精确率和召回率。F1就像一个「体检总评分」，帮你快速筛掉明显不合格的模型。

3.3 Precision-Recall曲线：动态视角

前面我们讨论的都是固定阈值下的指标。但实际应用中，阈值是可以调整的。比如逻辑回归输出的是概率，默认阈值0.5。调高到0.7，精确率可能上升，召回率下降。调低到0.3，情况反过来。

怎么全面评估模型在不同阈值下的表现？Precision-Recall曲线（PR曲线）就是干这个的。

PR曲线的横轴是召回率，纵轴是精确率。每个点对应一个阈值下的(Recall, Precision)对。把所有点连起来，就是PR曲线。

我画了一张图，帮你直观理解：

Precision-Recall 曲线示意图 召回率 (Recall) 精确率 (Precision) 0 0.5 1.0 0 0.5 1.0 阈值=0.9 阈值=0.5 阈值=0.3 阈值=0.1 曲线越靠近右上角 模型性能越好

从图上可以看到：

  • 阈值高（如0.9）时，精确率很高，但召回率很低
  • 阈值低（如0.1）时，召回率很高，但精确率很低
  • 曲线越靠近右上角，说明模型在不同阈值下都能保持较高的精确率和召回率

PR曲线还有一个重要用途：比较不同模型。如果模型A的PR曲线完全包住模型B的曲线，那A肯定优于B。如果曲线有交叉，就需要结合具体业务场景来选。

PR曲线 vs ROC曲线：

很多人问我，为什么不用ROC曲线？我的回答是：当正负样本严重不平衡时（比如正例只占1%），PR曲线比ROC曲线更敏感。ROC曲线可能会给你一种「模型还不错」的错觉，但PR曲线会如实反映模型在少数类上的表现。所以，处理不平衡数据集时，我优先看PR曲线。

3.4 实战：用Python绘制PR曲线

光说不练假把式。下面我给出一个完整的PR曲线绘制代码，你可以直接拿去用。

from sklearn.metrics import precision_recall_curve, average_precision_score
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
import matplotlib.pyplot as plt

# 生成不平衡数据集
X, y = make_classification(n_samples=1000, n_classes=2, 
                           weights=[0.9, 0.1], random_state=42)
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.3, random_state=42)

# 训练模型
model = LogisticRegression()
model.fit(X_train, y_train)

# 预测概率
y_scores = model.predict_proba(X_test)[:, 1]

# 计算PR曲线
precisions, recalls, thresholds = precision_recall_curve(
    y_test, y_scores)

# 计算平均精确率（AP）
ap = average_precision_score(y_test, y_scores)

# 绘制PR曲线
plt.figure(figsize=(8, 6))
plt.plot(recalls, precisions, 'b-', linewidth=2, 
         label=f'PR曲线 (AP = {ap:.3f})')
plt.xlabel('召回率 (Recall)')
plt.ylabel('精确率 (Precision)')
plt.title('Precision-Recall 曲线')
plt.legend(loc='lower left')
plt.grid(True, alpha=0.3)
plt.xlim([0.0, 1.0])
plt.ylim([0.0, 1.05])
plt.show()

# 查看不同阈值下的指标
print("阈值\t精确率\t召回率")
for i in range(0, len(thresholds), 50):
    print(f"{thresholds[i]:.3f}\t{precisions[i]:.3f}\t{recalls[i]:.3f}")

实用技巧：

代码中的average_precision_score返回的是AP值，也就是PR曲线下的面积。AP值越接近1，模型越好。我一般用AP作为模型选择的参考指标之一。

3.5 本章小结

好了，这一章的内容就这些。我们聊了三个核心概念：

  • 召回率：衡量模型找全正例的能力，和精确率是一对「冤家」
  • F1分数：用调和平均综合精确率和召回率，比算术平均更合理
  • PR曲线：展示模型在不同阈值下的表现，特别适合不平衡数据集

记住一句话：没有完美的指标，只有适合业务的指标。选哪个，取决于你更在意「误报」还是「漏报」。

← 上一章 📖 返回目录 下一章 →