2. 精度指标详解：准确度、精密度、召回率、F1-score、IoU、mAP等核心指标
各位同学，咱们今天来聊聊算法验证里最绕不开的一堆东西——精度指标。说实话，我刚入行那会儿，看到这些名词就头大。准确度、精密度、召回率……长得都挺像，到底啥区别？
后来踩了不少坑，才慢慢摸清楚。今天我把这些指标掰开揉碎了讲给你听。你想想看，如果连评价标准都没搞明白，你怎么知道你的算法到底好不好？
2.1 准确度（Accuracy）——最直观，也最坑人
准确度，说白了就是「猜对了多少」。公式很简单：
Accuracy = (TP + TN) / (TP + TN + FP + FN)TP是正确预测的正例，TN是正确预测的负例。加起来除以总数。
但是！ 我建议你千万别只看准确度。为什么？
举个例子。假设有100个样本，其中95个是负例，5个是正例。你的模型啥也不干，直接全部预测为负例。准确度是多少？95%！看着挺高对吧？
可实际上呢？这个模型就是个废物。它一个正例都没抓住。
2.2 精密度（Precision）——你猜对了多少正例？
精密度关心的是：在所有被你预测为正例的样本里，有多少是真正的正例。
Precision = TP / (TP + FP)我个人习惯把精密度理解为「宁缺毋滥」。精密度高，意味着你很少误报。比如垃圾邮件过滤器，如果精密度低，就会把正常邮件误判为垃圾邮件，那用户体验就完蛋了。
2.3 召回率（Recall）——你漏掉了多少正例？
召回率关心的是：在所有真正的正例里，你找出来了多少。
Recall = TP / (TP + FN)召回率高的意思是「宁可错杀一千，绝不放过一个」。比如癌症筛查，你宁愿把健康的人误诊为癌症（召回率高，精密度低），也不愿意漏掉一个真正的病人。
2.4 F1-score——调和平均，平衡的艺术
F1-score是精密度的召回率的调和平均数。公式：
F1 = 2 * (Precision * Recall) / (Precision + Recall)为什么用调和平均，不用算术平均？因为调和平均对低值更敏感。举个例子：
| 模型 | 精密度 | 召回率 | 算术平均 | F1-score |
|---|---|---|---|---|
| A | 0.9 | 0.1 | 0.5 | 0.18 |
| B | 0.5 | 0.5 | 0.5 | 0.5 |
看到了吗？模型A虽然精密度很高，但召回率极低，F1-score直接暴露了它的短板。而模型B虽然两项都不突出，但均衡，F1-score反而更高。
嗯，这里要注意：F1-score默认认为精密度和召回率同等重要。如果你的业务场景对其中一项有偏好，可以考虑Fβ-score，给精密度或召回率加权。
2.5 IoU（Intersection over Union）——目标检测的基石
IoU，全称交并比。说白了就是两个框的重叠程度。
IoU = (预测框 ∩ 真实框) / (预测框 ∪ 真实框)IoU的取值范围是0到1。0表示完全不重叠，1表示完全重合。
在目标检测里，我们通常设定一个阈值，比如0.5。如果IoU大于0.5，就认为这个预测是正确的（即TP）。否则就是误报（FP）。
2.6 mAP（mean Average Precision）——目标检测的终极裁判
mAP，全称平均精度均值。它是目标检测领域最常用的综合指标。
计算mAP的步骤：
- 对每个类别，计算它的AP（Average Precision）
- 对所有类别的AP取平均，得到mAP
那AP又是怎么算的？简单说，就是画出Precision-Recall曲线，然后计算曲线下的面积。
具体做法：
- 把所有检测结果按置信度从高到低排序
- 依次取不同的置信度阈值，计算对应的精密度和召回率
- 画出PR曲线，计算面积
我记得第一次手动算mAP时，折腾了一整天。后来发现，其实主流框架（如MMDetection、Detectron2）都内置了mAP计算工具，直接用就行。但理解原理很重要，不然你都不知道参数该怎么调。
2.7 知识体系总览
下面这张图，帮你理清这些指标之间的关系：
2.8 实战中的选择建议
说了这么多，到底该用哪个指标？我个人的经验是这样的：
- 分类任务，类别均衡： 准确度就够了，简单直观
- 分类任务，类别不均衡： 看F1-score，别被准确度骗了
- 目标检测： mAP是标配，但也要看具体类别的AP
- 业务场景有偏好： 比如宁可漏报也不能误报，那就重点看精密度
好了，这一章的内容就到这儿。记住，没有完美的指标，只有适合你业务的指标。多问自己一句：这个指标到底在衡量什么？它有没有在骗我？
可可精品资料库