准确率、精确率、召回率和 F1 到底怎么看？

分类模型不能只看“猜对多少”。在垃圾短信、疾病筛查和风险识别中，漏掉一个正例和误判一个正常样本，代价可能完全不同。

理解分类指标，最好先从混淆矩阵开始。

混淆矩阵记录四种结果

以“垃圾短信”为正类：

• TP：垃圾短信被正确识别；
• TN：正常短信被正确放行；
• FP：正常短信被误判为垃圾；
• FN：垃圾短信被漏掉。

Accuracy：整体猜对多少

Accuracy = (TP + TN) / 全部样本

类别比较均衡时，准确率很直观。但如果 1000 条短信中只有 10 条垃圾短信，模型把所有短信都判断为正常，也有 99% 的准确率，却完全没有识别能力。

Precision：预测为正的结果有多可靠

Precision = TP / (TP + FP)

精确率高，说明模型一旦说“这是垃圾短信”，通常是可信的。误判正常短信代价很高时，应重点关注精确率。

Recall：真正的正例找回了多少

Recall = TP / (TP + FN)

召回率高，说明真正的垃圾短信很少漏掉。疾病筛查、安全风险检测等不希望漏判的任务，通常更关注召回率。

F1：平衡 Precision 和 Recall

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

F1 是二者的调和平均。只有 Precision 和 Recall 都比较好时，F1 才会高，适合类别不均衡且两种错误都需要考虑的场景。

指标必须对应业务代价

没有一个指标永远最好。选择指标前应该问：

• 漏掉一个正例的代价是什么？
• 错判一个负例的代价是什么？
• 类别是否严重不均衡？
• 是否需要分别观察每个类别？

这一课先记住什么

Accuracy 看整体，Precision 关注误判，Recall 关注漏判，F1 在两者之间取平衡。评价模型时不要只报一个数字。

下一课会讨论模型最常见的两种学习问题：过拟合和欠拟合。