📚 课程目录第3章探索性数据分析与可视化

3. 精确率（Precision）：定义、计算与R语言实战

精确率，我更喜欢叫它“查准率”。你想想看，模型说“这是正样本”，到底有多靠谱？这就是精确率要回答的问题。

3.1 精确率的定义

精确率衡量的是：在所有被模型判定为正类的样本中，有多少是真正的正类。

用公式表达就是：

Precision = TP / (TP + FP)

其中：

TP（True Positive）：真正例，模型预测为正，实际也是正
FP（False Positive）：假正例，模型预测为正，实际却是负

说白了，精确率关注的是“误报”问题。FP越高，精确率越低。

核心思想：精确率回答“模型说对的，到底有多大概率是真的对？”

3.2 混淆矩阵回顾

要理解精确率，得先搞定混淆矩阵。我们拿一个实际场景来说——垃圾邮件分类。

假设我们有100封邮件，实际有20封是垃圾邮件，80封是正常邮件。模型预测结果如下：

	实际为正（垃圾邮件）	实际为负（正常邮件）
预测为正	TP = 15	FP = 5
预测为负	FN = 5	TN = 75

在这个例子中：

精确率 = 15 / (15 + 5) = 0.75
意思是：模型判定为垃圾邮件的20封中，只有15封真的是垃圾邮件，剩下5封被误杀了

注意：别把精确率和准确率搞混。准确率是 (TP + TN) / 总数，而精确率只看正类的预测质量。我曾经见过有人拿准确率当精确率汇报，结果模型上线后被业务方骂惨了。

3.3 精确率 vs 准确率

这两个指标的区别，我用一张表给你说明白：

指标	关注点	适用场景
精确率（Precision）	预测为正的样本中，有多少是对的	误报代价高的场景（如垃圾邮件、欺诈检测）
准确率（Accuracy）	所有预测中，有多少是对的	类别平衡、误报和漏报代价相近的场景

举个例子吧。在医疗诊断中，你说某人有病，结果人家没病——FP很高。这种误报会让病人白担心，甚至做不必要的检查。这时候，精确率就很重要。我做过一个信贷风控项目，当时模型精确率只有0.6，业务根本不敢用，因为每批准10笔贷款就有4笔是坏账。

3.4 R语言实战：计算精确率

接下来上代码。我们用一个二分类的示例数据来演示。

3.4.1 准备数据

# 真实标签
actual <- c(1, 0, 1, 1, 0, 1, 0, 0, 1, 0)

# 预测标签
predicted <- c(1, 0, 1, 0, 0, 1, 1, 0, 1, 0)

# 查看数据
table(actual, predicted)

输出结果：

       predicted
actual  0  1
      0 3  1
      1 1  5

从混淆矩阵可以看出：TP=5，FP=1，FN=1，TN=3。

3.4.2 手动计算精确率

# 手动计算精确率
TP <- sum(actual == 1 & predicted == 1)
FP <- sum(actual == 0 & predicted == 1)

precision <- TP / (TP + FP)
print(precision)

# 输出: 0.8333333

3.4.3 使用caret包计算

# 安装并加载caret包
# install.packages("caret")
library(caret)

# 生成混淆矩阵
cm <- confusionMatrix(
  factor(predicted, levels = c(0, 1)),
  factor(actual, levels = c(0, 1))
)

# 提取精确率
cm$byClass["Precision"]

# 输出: 0.8333333

3.4.4 使用MLmetrics包

# 安装并加载MLmetrics包
# install.packages("MLmetrics")
library(MLmetrics)

# 直接计算精确率
Precision(predicted, actual)

# 输出: 0.8333333

个人建议：如果只是临时计算，手工算最快。但如果我是做完整的模型评估报告，我会用caret包，因为它能一次性输出所有关键指标，省时省力。

3.5 知识体系结构

3.6 实战经验与避坑指南

场景一：垃圾邮件过滤

我做过一个邮件系统项目。业务方明确要求：误报（把正常邮件判为垃圾）必须小于1%。这意味着精确率要非常高。模型哪怕漏掉一些垃圾邮件，也不能误杀正常邮件。最后我们调整了阈值，把精确率从0.85提到0.98，虽然召回率降到了0.6，但业务方很满意。

场景二：信用卡欺诈检测

另一个项目正好相反。欺诈交易本来就很罕见，10000笔里可能只有5笔。这时如果只看精确率，模型可以做到0.99以上——只要它几乎不预测正类就行。但这种模型毫无价值。所以必须同时看召回率。

我曾经犯过的错：在做不平衡分类时，我只盯着精确率调参，结果模型把所有样本都判为负类，精确率直接变成NaN。后来才意识到，当模型没输出任何正类时，TP+FP=0，精确率无定义。遇到这种情况，要检查模型的预测分布是否正常。

3.7 多分类场景下的精确率

如果是多分类问题，精确率的计算方式略有不同。以三分类为例：

# 多分类示例
actual_multi <- c("猫", "狗", "猫", "鸟", "狗", "鸟", "猫", "狗")
predicted_multi <- c("猫", "狗", "猫", "狗", "狗", "鸟", "猫", "鸟")

# 计算每个类别的精确率
library(caret)
cm_multi <- confusionMatrix(
  factor(predicted_multi),
  factor(actual_multi)
)

# 查看各类别的精确率
cm_multi$byClass[, "Precision"]

# 输出示例:
# Class: 鸟 Class: 猫 Class: 狗 
# 0.5000   1.0000   0.6667

这里每个类别的精确率都是独立计算的。比如说“猫”的精确率是1.0，意味着模型预测为“猫”的样本全部正确；而“鸟”的精确率只有0.5，说明模型预测为“鸟”的样本里有一半是错的。

我的习惯：做多分类时，我通常会先看每个类别的精确率，再算宏平均（macro-average）——就是所有类别精确率的算术平均。这样能快速了解模型在各个类别上的表现是否均衡。

3.8 总结关键点

精确率关注“预测为正的样本中有多少是真正”
与准确率的区别：准确率看整体，精确率只看正类
适用场景：误报代价高、正类稀缺、需要高可靠性的场景
R语言实现：手工计算最简单，caret包最全面，MLmetrics包最直接
注意：精确率不能单独使用，必须结合召回率（下章会讲）

嗯，精确率就说到这里。赶紧打开RStudio试试代码，自己跑一遍比看十遍都管用。