评分函数基础：准确率、精确率、召回率、F1-score

做分类模型，避不开这四个指标。说实话，我刚开始做模型评估时，也犯过只看准确率的错误。今天咱们把这四个指标掰开揉碎讲清楚。你想想看，一个模型好不好，不能光凭感觉，得用数字说话。

准确率——最直观，也最容易骗人

准确率是什么？就是预测对的样本数，除以总样本数。

Accuracy = (TP + TN) / (TP + TN + FP + FN)

但这里有个大坑。我个人的经验，在类别极度不平衡时，准确率就是个数字游戏。举个例子，欺诈检测里，99% 都是正常交易。模型全部预测为「正常」，准确率也是 99%。你说这模型有用吗？半点用没有。

精确率 vs 召回率——一对跷跷板

这两个指标，说白了就是个权衡问题。精确率关注的是「找得准不准」，召回率关注的是「找得全不全」。

Precision = TP / (TP + FP)   # 你预测为正例的那些里，有多少是真的正例
Recall    = TP / (TP + FN)   # 真正的正例里，你找出来了多少

我之前在信贷风控项目里就吃过这个亏。精确率做得太高，结果把很多能通过的人给拒了；召回率拉上去，又放进来一堆坏账。两者的取舍，完全取决于业务场景。我给你列个对照表，你一看就明白。

F1-score——调和平均，兼顾两个指标

F1-score 是精确率和召回率的调和平均数。为什么要调和而不是直接平均？因为直接平均会让一个高一个低的情况看起来很美好，但调和平均不会。只有两者都高，F1-score 才会高。

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

记得我在做文本分类项目时，发现模型精确率 0.95，召回率只有 0.45。直接平均（0.70）看着还行，但 F1-score 只有 0.61。这就是真实水平。嗯，这个小坑，希望能帮你拔掉。

怎么选？看场景

• 做报告、做基线：用 F1-score，它不偏不倚
• 业务有明确代价：定义自己的加权指标，比如加权重召回率
• 多分类任务：用宏平均（Macro F1）或微平均（Micro F1），取决于类别是否均衡
• 极度不平衡：考虑用 AUC、PR 曲线，或者干脆用 Precision@K / Recall@K

动手算一下——Python 代码示例

光说不练假把式，我给你准备了一段代码。在我自己的项目中，这段代码几乎是每个模型的标配函数。

from sklearn.metrics import accuracy_score, precision_score
from sklearn.metrics import recall_score, f1_score

y_true = [1, 0, 1, 1, 0, 1, 0, 0, 1, 0]
y_pred = [1, 0, 0, 1, 0, 1, 1, 0, 1, 0]

acc = accuracy_score(y_true, y_pred)
prec = precision_score(y_true, y_pred)
rec = recall_score(y_true, y_pred)
f1 = f1_score(y_true, y_pred)

print(f"准确率: {acc:.3f}")
print(f"精确率: {prec:.3f}")
print(f"召回率: {rec:.3f}")
print(f"F1-score: {f1:.3f}")

# 输出结果
准确率: 0.800
精确率: 0.833
召回率: 0.833
F1-score: 0.833

看到没？数字不会骗人，但会误导人。只有你理解了每个指标的含义，才能做出正确的判断。

补充一张结构图，帮你理清关系

下面这张图展示了四个指标和混淆矩阵之间的关联。箭头方向代表计算路径。