这四个指标是机器学习中用来评估分类模型性能的核心标准，主要衡量模型预测得“准不准”和“全不全”。简单来说，准确率看整体对错比例，精确率关注预测为正的结果里有多少是真的，召回率关注实际为正的结果里被找出了多少，而F1则是精确率和召回率的综合平衡分。百科
四个指标具体怎么算
要理解这些公式，先得搞懂四个基础代号（混淆矩阵），它们是所有计算的基石：
- TP (真阳性)：实际是正例，模型也预测为正（猜对了）。
- FP (假阳性)：实际是负例，模型预测为正（猜错了，误报）。
- FN (假阴性)：实际是正例，模型预测为负（猜错了，漏报）。
- TN (真阴性)：实际是负例，模型也预测为负（猜对了）。
基于以上代号，四个指标的计算逻辑如下：
5. 准确率 (Accuracy)
– 含义：所有预测中，猜对的比例。
– 公式：Accuracy=TP+TNTP+TN+FP+FNAccuracy=TP+TN+FP+FNTP+TN
– 特点：最直观，但在数据不平衡（比如正样本极少）时会失真。
6. 精确率 (Precision)
– 含义：模型预测为“正”的样本里，真正是“正”的比例（查准）。
– 公式：Precision=TPTP+FPPrecision=TP+FPTP
– 特点：分母是“预测为正的总数”，关注预测结果的可靠性。
7. 召回率 (Recall)
– 含义：实际为“正”的样本里，被模型找出来的比例（查全）。
– 公式：Recall=TPTP+FNRecall=TP+FNTP
– 特点：分母是“实际为正的总数”，关注是否漏掉了正样本。
8. F1 分数 (F1-Score)
– 含义：精确率和召回率的调和平均数，用来综合评估模型。
– 公式：F1=2×Precision×RecallPrecision+RecallF1=2×Precision+RecallPrecision×Recall
– 特点：F1 越高，说明模型在“查准”和“查全”上越平衡，越接近 1 越好。百科
准确率和精确率有啥不一样
这两个名字听着像，但意思完全不同，最容易搞混：
- 关注点不同：准确率是看“整体表现”，不管正负样本，只要猜对就算分；精确率只看“预测为正的那部分”，不管负样本猜得咋样。
- 适用场景不同：如果正负样本数量差不多（比如男女比例 1:1），用准确率没问题；但如果正样本很少（比如 100 个人里只有 1 个病人），模型全猜“没病”准确率也有 99%，但这没意义，这时候必须看精确率和召回率。
- 相互制约：通常想提高精确率（少误报），就会降低召回率（多漏报）；想提高召回率（少漏报），精确率就会下降。F1 分数就是为了解决这个矛盾而生的。
实际干活时该选哪个
不同的业务目标，选择的指标也不一样，选错了可能导致模型白练：
- 追求“宁可错杀不可放过”：选召回率。
- 场景：疾病诊断、地震预测、罪犯抓捕。
- 理由：漏掉一个正例（FN）代价太大，必须尽量把所有正例都找出来，哪怕多抓几个错的（FP）也能接受。
- 追求“宁可放过不可错杀”：选精确率。
- 场景：垃圾邮件识别、推荐系统、搜索排序。
- 理由：把正常邮件当垃圾邮件（FP）会很烦，或者给用户推荐不感兴趣的内容会降低体验，所以预测出来的结果必须得准。
- 追求“综合平衡”：选F1 分数。
- 场景：文本分类、图像识别、一般性分类任务。
- 理由：当误报和漏报的代价差不多，或者需要一个单一指标来对比不同模型的好坏时，F1 是最稳妥的选择。
- 数据非常均衡时：选准确率。
- 场景：正负样本比例接近 1:1 的简单任务。
- 理由：计算简单，解释成本低，能快速反映模型整体进度。
过拟合是训练中最大的敌人之一，定义为：模型在训练集上表现很好，但对新数据（测试集）泛化能力差——就像学生把课本答案背得滚瓜烂熟，但换个题型就懵了。判断”过拟合的模型在新数据上也能表现很好”为错误。防止过拟合的方法有四类：数据增强、正则化、Dropout、增加训练数据——
- 增加训练数据：直接扩充样本量，让模型学习更广泛的分布，是从源头上解决过拟合的最佳方法。但现实中数据采集和标注成本很高。
- 数据增强：在不实质增加数据的情况下，通过对现有数据（如图像）进行旋转、裁剪、加噪等变换，生成“新”样本，相当于“无中生有”地扩大了数据集规模和多样性，从而提升泛化能力。
- 正则化：通过在损失函数中引入惩罚项或约束，限制模型参数的大小或复杂度，防止模型“死记硬背”训练数据中的噪声。它是一个更广泛的概念，包含多种具体方法。
- Dropout：是正则化的一种具体形式，专用于神经网络。它在训练时随机“关闭”一部分神经元，迫使网络不依赖特定神经元，从而增强鲁棒性。它可以理解为在训练多个不同的子网络并进行集成。
如何更可靠地评估模型泛化性能？交叉验证——把数据分成多份轮流训练和验证，比”一次划分”更可靠