深度学习模型评估工程师面试宝典 - 第3节

深度学习评估指标详解

评估指标是模型评估的核心，面试中常从定义、公式、适用场景、对比选择四个维度考察。本章拆解高频指标并给出结构化回答框架。

问答一：准确率（Accuracy）与召回率（Recall）的区别及适用场景？

面试官考察点： 是否理解指标在样本不平衡时的局限性；能否结合业务权衡。

回答框架：

• 定义：准确率=正确预测数/总数；召回率=正确预测正例/实际正例数。
• 公式简写：Acc=(TP+TN)/(TP+FP+FN+TN)；Recall=TP/(TP+FN)。
• 对比：准确率关注整体正确率，召回率关注正例覆盖度。
• 适用场景：正负样本均衡用Acc；漏检代价高（如疾病筛查）用Recall。

示例回答： 准确率衡量整体预测正确比例，召回率衡量正例被找出的比例。在医疗筛查场景，宁可误报也要不漏诊，所以优先关注召回率。二者常通过F1平衡。

可能追问：

• Accuracy 和 Precision、Recall 的 trade-off 如何直观解释？
• 什么条件下准确率会欺骗人？（如样本极度不平衡）
• 如何用 PR 曲线选择阈值？

问答二：F1 分数与 AUC 都衡量模型性能，你会如何选择？

面试官考察点： 对指标背后数学含义的理解，以及实际工程中的权衡。

回答框架：

• F1 = 2PR/(P+R)，是精确率与召回率的调和平均，依赖阈值。
• AUC = ROC曲线下面积，反映模型对正负样本排序能力，与阈值无关。
• 选择：分类阈值重要时用F1（如业务有明确阈值需求）；排序重要性高时用AUC（如推荐系统CTR预估）。

示例回答： F1依赖于具体阈值，适合业务固定阈值场景，如垃圾邮件二分类；AUC不依赖阈值，更适合评估排序能力，如广告点击率预估。实际中两者常一起看，AUC高但F1低说明阈值选得不好。

可能追问：

• AUC 的物理意义是什么？（随机正样本排在负样本前面的概率）
• F1 和 weighted-F1、macro-F1 的区别？
• 当样本极度不平衡时，AUC 是否还可靠？

问答三：在目标检测任务中，IoU 和 mAP 怎么计算？为什么用 mAP 而不是准确率？

面试官考察点： 是否理解检测任务评估体系，能否区分单指标与综合指标。

回答框架：

• IoU = 预测框∩真实框 / 预测框∪真实框，衡量定位精度。
• mAP = 对每个类别计算 AP，再平均；AP 是 PR 曲线下面积（不同IoU阈值下）。
• 为什么不用准确率：因为检测有定位+分类双重任务，准确率只考虑分类，mAP 同时评估定位质量（通过IoU阈值）和分类置信度。

示例回答： IoU 衡量两个框的重叠度，一般阈值 0.5 算正样本。mAP 先在每个召回率点上取最大精确率，再求PR曲线下面积，最后对类别平均。mAP 综合了分类和定位，而准确率无法反映定位偏移，所以检测领域标准用 mAP。

可能追问：

• mAP 计算中“插值平均”具体怎么做？
• COCO 的 mAP@[0.5:0.95] 和 VOC 的 mAP 有何不同？
• 如果两个模型 mAP 相同，如何进一步比较？

项目案例实战：多目标检测模型评估体系搭建