1. 前言：为什么不能只看“准确率”？

在 AI 新手阶段，我们容易陷入一个误区：认为评估模型好坏只需要看它“答对了多少题”（即 Accuracy 准确率）。

但在很多真实场景下，这远远不够。
举个例子：假设有 100 个病人，其中只有 1 个得了癌症。如果我的 AI 模型非常“懒”，它闭着眼睛预测所有人都是“健康”的。

• 结果：它答对了 99 个人，准确率高达 99%。
• 问题：它漏掉了那个唯一的癌症病人，这个模型在医疗上是完全失败的。

为了解决这个问题，我们需要引入两个更专业的指标：Precision (查准率) 和 Recall (查全率/召回率)。

---

2. 核心概念：混淆矩阵 (Confusion Matrix)

在计算准召率之前，我们需要先搞清楚 4 种基础情况。假设我们在做一个垃圾邮件拦截系统：

• 正例 (Positive) = 垃圾邮件
• 负例 (Negative) = 正常邮件

预测情况 \ 真实情况	确实是垃圾邮件 (True)	其实是正常邮件 (False)
预测是垃圾邮件	TP (True Positive) 抓对了（成功拦截）	FP (False Positive) 抓错了（误报，把重要邮件当垃圾扔了）
预测是正常邮件	FN (False Negative) 漏掉了（漏报，垃圾邮件跑进收件箱）	TN (True Negative) 判断正确（正常邮件正常放行）

---

3. 怎样计算？

3.1 Precision (查准率/精确率)

> 含义：在所有被我预测为正例（抓出来）的样本中，有多少是真正的正例？
> 通俗理解：我“开枪”打中的人里，有多少是真正的坏人？（侧重于“不冤枉好人”）

$$Precision=\frac{TP}{TP+FP}$$

• 分子：抓对的垃圾邮件。
• 分母：我预测出的所有垃圾邮件（包含抓对的和抓错的）。

3.2 Recall (查全率/召回率)

> 含义：在所有真实存在的正例中，我找出来了多少？
> 通俗理解：坏人总共有 10 个，我抓住了几个？（侧重于“不放过坏人”）

$$Recall=\frac{TP}{TP+FN}$$

• 分子：抓对的垃圾邮件。
• 分母：真实世界里所有的垃圾邮件（包含被我抓到的和被我漏掉的）。

---

4. 鱼与熊掌：F1 Score

通常情况下，Precision 和 Recall 是相互矛盾的：

• 如果你想提高 Precision（不抓错），你就得谨慎，只抓最有把握的，这样容易导致 Recall 下降（漏掉很多）。
• 如果你想提高 Recall（全抓住），你就得宁可错杀一千不可放过一个，这样容易导致 Precision 下降（误报很多）。

为了平衡两者，我们使用 F1 Score：

$$F1=2\times \frac{Precision\times Recall}{Precision+Recall}$$

• F1 分数越高，说明模型在准召率之间平衡得越好。

---

5. 用途：什么时候看哪个指标？

根据不同的业务场景，我们对准召率的侧重不同：

✅ 场景 A：看重 Precision (宁缺毋滥)

例子：垃圾邮件拦截、视频推荐系统、贷款审批。

• 原因：
  • 如果把一封重要的工作邮件误判为垃圾邮件（FP），后果很严重（用户会生气）。
  • 如果给用户推荐了不喜欢的视频，体验很差。
• 策略：我们要保证“只要是我拦截的/推荐的，必须是对的”。

✅ 场景 B：看重 Recall (宁可错杀，不可放过)

例子：癌症筛查、地震预警、寻找走失儿童、金融反欺诈。

• 原因：
  • 如果漏掉了一个癌症病人（FN），会导致病人错过治疗，后果是致命的。
  • 相比之下，误诊（FP）虽然会让人虚惊一场，但可以通过复查排除，代价相对较小。
• 策略：我们要保证“所有的潜在风险都被找出来”。

---

6. 总结

• Precision (查准率)：我预测对的比例高吗？（关注准确性，怕误报）
• Recall (召回率)：我覆盖得全吗？（关注覆盖率，怕漏报）
• F1 Score：两者的调和平均数，用于综合评估。

> 新手建议：在训练 AI 模型时，不要只盯着 Accuracy 看，一定要打印出 Precision 和 Recall，结合你的业务目标来判断模型是否可用。