分类问题常用评估指标：准确率、精确率、召回率、F1

咱们直接进入正题。做分类模型，光看模型输出了什么还不够，你得有尺子去量它好不好。这把尺子，就是评估指标。选错了指标，模型可能在跑分时很好看，上线就崩。这坑我踩过不止一次，今天把几个最常用的指标讲透。

准确率：最直观，也最容易骗人

准确率（Accuracy）是所有分类问题里最直觉的指标。很简单：预测对的样本数除以总样本数。

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

这里的 TP、TN、FP、FN 分别是真正例、真负例、假正例、假负例。准确率高，说明模型整体判断正确的比例高。

但我个人习惯，不会单看准确率。为什么？因为样本不平衡时，准确率会给你假象。举个例子：一个数据集里 95% 是负样本，5% 是正样本。你的模型什么都不做，直接全部预测为负样本，准确率也有 95%。这模型完全没用，但准确率看着还不错。

精确率与召回率：一对相爱相杀的指标

项目的业务场景不同，你关注的点也不同。我一般会问自己一个问题：「犯错」的代价是什么？

精确率：宁可漏判，不可错判

精确率（Precision）关注的是：在所有被判为正类的样本中，有多少是真正例。

Precision = TP / (TP + FP)

精确率高，意味着模型不太会乱认正类。适合的场景：垃圾邮件过滤、用户异常行为检测。这些场景下，误判一个正常样本为正类的成本很高，比如把重要邮件丢进垃圾箱。

我记得之前做风控产品时，业务方就非常看重精确率。模型宁可漏掉一些风险用户，也不能把正常用户的交易拦截了——那体验太差了。

召回率：宁可错判，不可漏判

召回率（Recall）关注的是：所有真正例中，有多少被模型正确找出来了。

Recall = TP / (TP + FN)

召回率高，意味着模型不容易漏掉正类。适合的场景：癌症筛查、故障检测、安全监控。在这些场景下，漏过一个真正例可能造成严重后果。比如肿瘤检测，错过一个患者，后果很严重。

指标	关注点	适合场景	常见代价
精确率	被判为正类的样本中有多少是真的	垃圾邮件、风控、内容审核	FP 成本高（误判）
召回率	真正的正类中有多少被找出来了	疾病筛查、故障检测、安防	FN 成本高（漏判）

F1 值：调和精密与召回

既然精确率和召回率互相拉扯，那就需要一个平衡两者的指标。这就是 F1 值。

F1 是精确率和召回率的调和平均数。调和平均的特点是对小值更敏感，这保证了两个指标都不能太低。

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

你看这个公式，如果精确率或召回率中有一个很低，F1 也会很低。只有两者都高，F1 才会高。我建议在多分类项目中，如果不知道优先关注哪个指标，先用 F1 作为主要评估参考。

举个例子：

情况 A：Precision=0.9, Recall=0.9 → F1=0.9
情况 B：Precision=0.99, Recall=0.1 → F1=0.18

算术平均对情况 B 会给出 0.545 的高分
但调和平均老实告诉你：B 的方案不行

调 F1 的妙处就在这里——它不会让你用召回率极低的模型来自欺欺人。

一张图看懂四指标关系

说了这么多，下面这张图把它们之间的关系理清楚。这些指标不是孤立的，它们都来自混淆矩阵的四个基本值。

图中梳理得很清楚：从混淆矩阵出发，就能算出准确率、精确率、召回率，再进一步得到 F1。每个指标都有自己的用途，没有万能的单一指标。你想想看，如果业务方只告诉你「我要模型最好」，那你就需要多问一句：「好」的标准是什么？

实践中的选择策略

我在实际项目中，一般会快速做这么几步：

1. 看数据分布：先做 EDA，看看正负样本比例。如果严重不平衡，直接放弃准确率。
2. 明确犯错成本：和业务方对齐——FP 和 FN 哪个更贵？
3. 选择主指标：如果两者都贵，用 F1；如果偏重精确率，用 Precision；如果偏重召回率，用 Recall。
4. 做多指标对比：不仅在验证集上看，还会在测试集上看 IOU、混淆矩阵、ROC-AUC 等作为辅助参考。

嗯，这四个指标完全够你应对大部分分类场景了。下一个章节，咱们会深入另一个方向的指标——相关系数，专门用来评估回归模型。到时候我还会带上具体的代码跑一遍，让你上手就能用。