通俗易懂理解精确率、准确率、召回率、F1值
温故而知新，可以为师矣！
一、参考资料
分类问题的评价指标：多分类【Precision、 micro-P、macro-P】、【Recall、micro-R、macro-R】、【F1、 micro-F1、macro-F1】
目标检测评估指标mAP：从Precision,Recall,到AP50-95【未完待续】
利用mAP评估目标检测模型
万字长文精解目标检测中的TP、FP、FN、TN、Precision、Recall 、 F1 Score、AP、mAP与AR 。附代码实现。
AP和mAP 计算：sklearn.metrics.average_precision_score()
精准，召回和 F-measures
精确率、准确率、召回率、F1 值的区分与记忆方法-CSDN博客
二、精确率、准确率、召回率和 F1 值
在机器学习和数据挖掘领域，精确率、准确率、召回率和 F1 值是评估模型性能的重要指标。
混淆矩阵
在理解这些指标前，需先了解混淆矩阵，它是计算各指标的基础。以二分类问题为例，混淆矩阵包含四个类别，这些类别构成了后续所有评估指标计算的基石：
真正例（True Positive，TP）：模型预测为正例，实际也为正例。例如在垃圾邮件分类中，模型判断某封邮件是垃圾邮件，且该邮件确实是垃圾邮件，这种情况就属于真正例。
假正例（False Positive，FP）：模型预测为正例，但实际为负例。继续以垃圾邮件分类来说，若模型将一封正常邮件误判为垃圾邮件，这封邮件就被统计为假正例。
真负例（True Negative，TN）：模型预测为负例，实际也为负例。即模型判断某封邮件不是垃圾邮件，且该邮件确实为正常邮件，这便是真负例。
假负例（False Negative，FN）：模型预测为负例，但实际为正例。比如模型把一封垃圾邮件错误地判断为正常邮件，该邮件就属于假负例。
可以通过以下表格更直观地呈现混淆矩阵的结构：
| 预测结果 \ 实际结果 | 正例 | 负例 |
|---|---|---|
| 正例 | 真正例（TP） | 假正例（FP） |
| 负例 | 假负例（FN） | 真负例（TN） |
精确率（Precision）
精确率表示模型预测为正例的样本中，真正为正例的比例，反映模型预测正例的准确性。其计算公式为：
P r e c i s i o n = T P T P + F P Precision = \frac{TP}{TP + FP}Precision=TP+FPTP
举例来说，在一个新闻分类模型中，模型判定有 200 篇新闻为 “财经类新闻”，但实际上其中只有 160 篇确实属于财经类，那么该模型在财经类新闻预测上的精确率为160 ÷ 200 = 0.8 160 \div 200 = 0.8160÷200=0.8。这表明，当模型做出财经类新闻的预测时，有 80% 的可能性是准确的。精确率高意味着模型在预测正例时更加 “精准”，减少了误判的情况。在一些对预测准确性要求极高的场景，如医疗诊断中的疾病阳性判断，高精确率可以避免对患者进行不必要的进一步检查或治疗，降低误诊带来的风险和成本。
准确率（Accuracy）
准确率是模型预测正确的样本占总样本的比例，计算公式为：
A c c u r a c y = T P + T N T P + F P + T N + F N Accuracy = \frac{TP + TN}{TP + FP + TN + FN}Accuracy=TP+FP+TN+FNTP+TN
假设一个手写数字识别模型对 1000 个数字图像进行识别，其中正确识别出了 920 个数字，那么该模型的准确率为920 ÷ 1000 = 0.92 920 \div 1000 = 0.92920÷1000=0.92。这体现了模型在整体预测任务中的准确程度。然而，准确率存在一个明显的局限性，当正负样本分布不均衡时，它可能无法真实反映模型的性能。例如在罕见疾病检测中，假设某疾病在人群中的发病率仅为 1%，如果模型将所有样本都预测为 “无病”，那么仅从准确率来看，模型的准确率会高达 99%，但实际上该模型完全无法识别出患病样本，没有任何实用价值。所以在样本不均衡的情况下，不能单纯依靠准确率来评估模型。
召回率（Recall）
召回率也称灵敏度、真正例率，指实际为正例的样本中，被模型正确预测为正例的比例，用于衡量模型对正例的识别能力。其计算公式为：
R e c a l l = T P T P + F N Recall = \frac{TP}{TP + FN}Recall=TP+FNTP
例如在癌症早期筛查中，实际有 100 名癌症患者，某筛查模型成功检测出了 85 名，那么该模型的召回率为85 ÷ 100 = 0.85 85 \div 100 = 0.8585÷100=0.85，这说明模型在所有真正的癌症患者中，成功识别出了 85%。召回率高表示模型能够尽可能多地找出实际的正例样本，避免遗漏。在诸如灾难预警、犯罪预测等场景中，高召回率至关重要，因为漏判（假负例）可能会导致严重的后果，即使可能会产生一些误判（假正例），也要优先保证尽可能多的潜在风险被识别出来。召回率的提升意味着可以检测出更多的目标，检出率提高。
F1 值
F1 值是精确率和召回率的调和平均数，综合反映模型性能。当精确率和召回率都高时，F1 值才会高。其计算公式为：
F 1 = 2 × P r e c i s i o n × A c c u r a c y P r e c i s i o n + A c c u r a c y F1 = 2 × \frac{Precision × Accuracy}{Precision + Accuracy}F1=2×Precision+AccuracyPrecision×Accuracy
F1 值的引入是为了平衡精确率和召回率这两个指标。因为在实际应用中，精确率和召回率往往是相互制约的关系。例如在广告投放系统中，提高精确率可能会导致召回率下降（为了确保推荐的广告更精准，会减少广告投放的范围，从而遗漏部分潜在客户），反之亦然。而 F1 值能够综合考虑这两个指标，给出一个更全面的评估。当 F1 值较高时，说明模型在预测正例的准确性和对正例的识别能力上都表现良好，避免了单纯依赖精确率或召回率带来的片面性评估。
简单示例
假设有一个目标检测模型，其在测试集上的预测结果如下：
正确预测为正样本数量（TP）：100
错误预测为正样本数量（FP）：20
错误预测为负样本数量（FN）：30
那么，该模型的精确率和召回率分别为：
P r e c i s i o n = 100 100 + 20 = 0.8333 Precision = \frac{100}{100 + 20} = 0.8333Precision=100+20100=0.8333
R e c a l l = 100 100 + 30 = 0.7692 Recall = \frac{100}{100 + 30} = 0.7692Recall=100+30100=0.7692
三、区分要点
精确率关注预测结果：精确率聚焦于模型预测为正例的这部分样本，重点考察其中真正正确的比例，核心在于体现模型预测正例时的 “精准性”。例如在商品推荐系统中，如果精确率低，用户会看到大量不感兴趣的商品推荐，影响购物体验；而精确率高，则推荐的商品大多是用户可能感兴趣的，能有效提高用户的点击率和购买意愿。
准确率关注整体预测：准确率考量的是模型在所有样本上的预测正确程度，涵盖了正例和负例的预测情况。但它受正负样本分布的影响极大，在样本不均衡的场景下，可能会掩盖模型在关键类别（如少数类）上的糟糕表现，无法准确反映模型的真实性能。例如在预测罕见故障的系统中，即便模型将大量正常情况预测正确，但只要在罕见故障的预测上频频失误，低的召回率和精确率会导致模型实际可用性差，而高准确率可能会误导对模型性能的判断。
召回率关注实际样本：召回率侧重于评估模型从所有实际正例样本中找出正例的能力，强调的是对正例的 “完整性” 捕捉。以搜索引擎为例，召回率低意味着用户搜索某些关键词时，会遗漏很多相关的重要网页，影响搜索体验；而召回率高则能尽可能全面地呈现相关内容，满足用户需求。
F1 值平衡两者：F1 值通过调和平均数的计算方式，将精确率和召回率结合起来，为模型性能提供一个平衡的评估指标。在实际项目中，根据不同的业务需求，可能会对精确率和召回率有不同的侧重，但 F1 值能够在两者之间找到一个相对合理的平衡点，更客观地反映模型的综合表现。
FP vs. FN
False Negatives（FN） 漏检：正例未检出，即正例被预测为负例。在目标检测中，FN可以指未能检测出实际存在的目标的情况。
False Positives（FP） 误检：负例被误检为正例。在目标检测中，FP可以指错误地将背景或非目标识别为目标的情况。
mAP vs. mAR
精确率和召回率的计算可以针对每个类别分别进行，也可以在所有类别上进行平均，得到平均精确率（mAP）和平均召回率（mAR）。