精确率、召回率与 F1：评估指标三兄弟

精确率回答“模型说对的里面有多少是真的”，召回率回答“真正的问题模型抓住了多少”，F1 是二者的调和平均。它们比准确率更精细地刻画了模型表现。

这三个指标本质上是把“做得好不好”拆成了“做得准不准”和“做得全不全”。生活中也是如此——评价一件事的完成质量，既要看没做错什么，也要看该做的有没有漏掉。单看任何一面都会产生盲区。

## 核心要点

图片来源：Openverse / dgpodosek（https://www.flickr.com/photos/23907300@N03/11363521534）

1. “宁可错杀一千”对应高召回，“宁可放过一千”对应高精确。

2. 搜索场景重视精确率（用户只看前几条），风控场景重视召回率。

3. F1 只是一个均衡方案，真正的权重应由业务代价决定。

4. 类别越不平衡，越要用这三个指标而非准确率。

图片来源：Openverse / World Economic Forum（https://www.flickr.com/photos/15237218@N00/24533635296）

## 写在最后

以上是关于「精确率、召回率与 F1」的科普介绍。人工智能正在快速发展，相关概念和方法也在不断演进。希望本文能帮你建立对这一主题的基本认识。