准确率 99% 的模型为什么是废的？精确率、召回率、F1 一次讲透

准确率 99% 的模型也可能毫无价值。本文从混淆矩阵出发，把准确率、精确率、召回率、F1 四个指标的分母差异、适用场景讲透，手把手带算一遍，并说明类别不平衡为什么会「骗人」，文末附 15 道自测题。

---

目录

1. 评价指标：准确率 / 精确率 / 召回率 / F1（重点）
2. 📝本模块练习

---

1. 评价指标：准确率 / 精确率 / 召回率 / F1（重点）

这是全手册唯一需要动手算的地方，也是理论考试计算题的常客。别怕，只要会四则运算就能做对。

🔑 一句话：模型好不好，不能凭感觉——得用一组指标把它「量」出来。这一节就是那套尺子。

0 先看这节要解决什么

先看一个让人不安的例子，它解释了为什么必须学这一节：

某医院上了 AI 疾病筛查系统，准确率 99.9%，却被停用了。
为什么？因为这 1000 个受检者里只有 1 个人真正患病，而模型的做法是「统统判为健康」——它连那个病人也判成了健康。
看着很荒谬，可算下来它猜对了 999 个，准确率漂亮得无可挑剔。但它一个病人都没找出来。

这个例子说明一件事：「准确率」会在数据不平衡时骗人。

所以这一节要解决三个问题：

1. 把「猜对 / 猜错」拆开看——错也分两种错（误报、漏报），代价完全不一样。这就是混淆矩阵。
2. 为两种错各配一把尺子——精确率盯「误报」，召回率盯「漏报」，F1 把两者综合起来。
3. 学会在业务里选指标——什么场景该保精确率，什么场景必须保召回率。

💡 学这一节的心理准备：它和前面几节不一样——光看懂没用，必须自己动手算。全节只有四个公式，但每个都要能默写、能代入数字。请准备好纸笔。

1.1 混淆矩阵（一切指标的源头）

「猜对了多少」这个问法太粗——因为猜错也分两种，而这两种错的代价天差地别。

🔗 用火警类比

火灾报警器只有两种输出（响 / 不响），楼里也只有两种状态（有火 / 没火）。组合起来恰好四种情况：
响了 + 真有火 —— 灭火成功，这是我们要的
响了 + 没火 —— 虚惊一场（误报：白跑一趟，人没事）
没响 + 真有火 —— 着火了没人知道（漏报：要出人命的）
没响 + 没火 —— 天下太平
关键就在这：「误报」和「漏报」是完全不同性质的错误。而准确率把这两种错混在一起算——所以它会骗人。

把这四种情况摊开成一张 2×2 的表格，就是混淆矩阵：

	预测为正	预测为负
实际为正	TP（真阳性）✅ 猜对了	FN（假阴性）❌ 漏报
实际为负	FP（假阳性）❌ 误报	TN（真阴性）✅ 猜对了

💡 名字怎么记（两秒记住四个格子）：
第一个字母 = 判断对不对（True 对 / False 错）
第二个字母 = 模型说的是什么（Positive 说「有」 / Negative 说「没有」）
拼起来读：TP = 「判断对了 + 说了有」；FN = 「判断错了 + 说了没有」——明明有，你却说没有，就是漏了。

1.2 四个公式

四个公式先列出来，暂时不用背——下面把「它们各自在问什么问题」讲清楚，自然就记住了。

指标	公式	它在问什么
准确率 Accuracy	(TP+TN) / 总数	整体猜对了多少？
精确率 Precision	TP / (TP+FP)	你说「是」的里面，有多少真的是？
召回率 Recall	TP / (TP+FN)	真正是「是」的里面，你抓到了多少？
F1	2 × P × R / (P + R)	精确率和召回率的综合平衡分

💡 关键在「分母」——一句话分清精确率和召回率：
精确率的分母 = 模型说「有」的总数（TP+FP）→ 它在问：你报出来的这些，有多少是真的？
召回率的分母 = 实际「有」的总数（TP+FN）→ 它在问：现实里真正有的那些，你抓到了多少？
记法：分母为谁，就是为谁负责。精确率对「模型自己说过的话」负责；召回率对「现实里真正发生的事」负责。

🔗 用 C# 类比（代码静态分析工具的告警）

假设你的项目里藏着 80 个真 bug，静态分析工具报了 100 条告警，其中 60 条确实是真 bug：
精确率 = 60 / 100 = 60% —— 「工具报出来的这些，有多少值得我点开看？」（低了就是「狼来了」，最后没人理告警）
召回率 = 60 / 80 = 75% —— 「代码里真正的问题，工具帮我找出了多少？」（低了就是漏网 bug 上线）
这两个指标天然打架：想「少误报」就把告警门槛调高 → 漏掉的 bug 更多；想「少漏报」就把门槛调低 → 告警里全是杂物。所以才有 F1 这个综合分。

三个指标分别在什么场景当家：
· 数据平衡（正负样本差不多）→ 看准确率就够了
· 怕误报（垃圾邮件误判会弄丢重要邮件、推荐乱推会烦人）→ 保精确率
· 怕漏报（疾病筛查、欺诈检测、安全告警）→ 保召回率
· 说不清怕哪个 / 想要一个总分 → 看 F1

1.3 完整算一遍（手把手）

考试里给的都是一段文字描述，标准解法固定三步：① 先把混淆矩阵填出来 → ② 认准分母 → ③ 代公式。第 ① 步做对，后面就全是纯算术了。

题目：某疾病筛查模型，100 个样本，其中实际患病 20 人。模型判断：

• 20 个患病者中，模型正确识别出 16 人（TP=16），漏掉 4 人（FN=4）
• 80 个健康者中，模型误判了 8 人为患病（FP=8），其余 72 人判对（TN=72）

① 先填矩阵（这一步最关键，考试就靠它）：
「20 个患病者中识别出 16 人」→ 实际有、说你有 → TP = 16
「漏掉 4 人」→ 实际有、说你没有 → FN = 4
「80 个健康者中误判 8 人为患病」→ 实际没有、说你有 → FP = 8
「其余 72 人判对」→ 实际没有、说你没有 → TN = 72填完先自查一遍：TP+FP+FN+TN 应该等于样本总数（16+8+4+72 = 100 ✓）。对不上就说明填错了。

1. 计算准确率、精确率、召回率、F1

▸ 展开参考答案

准确率 = (16+72) / 100 = 88/100 = 88%
精确率 = TP/(TP+FP) = 16/(16+8) = 16/24 ≈ 66.7%
召回率 = TP/(TP+FN) = 16/(16+4) = 16/20 = 80%
F1 = 2 × 0.667 × 0.8 / (0.667 + 0.8) = 1.0667 / 1.4667 ≈ 72.7%
注意：这个模型准确率 88% 看着不错，但精确率只有 66.7% —— 说明它「说患病」的人里有三分之一是误报。这就是为什么不能只看准确率。

1.4 高频易错点（考前扫一眼）

1. 分母搞反——精确率分母是「模型说有」（TP+FP），召回率分母是「实际有」（TP+FN）。这是本节翻车率最高的一处，务必分清。
2. 以为「准确率高 = 模型好」——类别不平衡时准确率会骗人：1000 人里只有 1 个病人，模型全判健康也有 99.9%。这时要看召回率和 F1。
3. 以为「精确率 + 召回率 = 100%」——它们不互补，是两个独立指标，通常此消彼长但不加和。
4. F1 不是算术平均——F1 用的是调和平均 2PR/(P+R)，不是 (P+R)/2。调和平均会向小的那个靠拢：P=0.6、R=0.4 时，算术平均 0.5，而 F1 = 0.48。凡是「两个指标有一个特别差」，F1 就会被拉低——这正是它的设计意图。

🎯 三级考点：① 给混淆矩阵算四个指标（务必手算熟）；② 判断某业务场景该优先保精确率还是召回率；③ 解释「为什么准确率高不代表模型好」。

2. 医院做癌症筛查，应该优先保精确率还是召回率？

▸ 展开参考答案

优先保召回率。癌症筛查的代价极不对称：漏掉一个真患者（FN）可能导致延误治疗、危及生命；而误报一个（FP）只是让他多做一次复查。宁可误报，不可漏报，所以要把召回率做高，必要时牺牲精确率。

📝 本模块练习

第 3–7 题共用同一组数据：某模型测试了 200 个样本——其中实际为正的有 50 个（模型找出了其中 40 个），实际为负的有 150 个（模型把其中 20 个误判为正）。

3. 混淆矩阵中 FN 和 TN 分别是多少？

▸ 展开参考答案

FN = 50 − 40 = 10；TN = 150 − 20 = 130。

4. 准确率是多少？

▸ 展开参考答案

(TP+TN)/总数 = (40+130)/200 = 170/200 = 85%

5. 精确率是多少？

▸ 展开参考答案

TP/(TP+FP) = 40/(40+20) = 40/60 ≈ 66.7%

6. 召回率是多少？

▸ 展开参考答案

TP/(TP+FN) = 40/(40+10) = 40/50 = 80%

7. F1 是多少？

▸ 展开参考答案

2×0.667×0.8/(0.667+0.8) = 1.0667/1.4667 ≈ 72.7%

8. 若某场景「漏报代价远大于误报」，应优先提高哪个指标？

▸ 展开参考答案

召回率。召回率的分母是「实际为正」，提高它意味着减少漏报（FN）。

9. 某反欺诈模型把一笔正常交易误拦了（实际正常，模型判为欺诈）。这属于 TP / FP / FN / TN 中的哪一个？

▸ 展开参考答案

FP（假阳性，误报）。实际为负、模型说为正 → 假阳性。业务上的代价是「冤枉了好人」。

10. 某模型漏掉了一笔真实欺诈交易（实际欺诈，模型判为正常）。属于哪一个？

▸ 展开参考答案

FN（假阴性，漏报）。实际为正、模型说为负 → 假阴性。业务上的代价是「放过了坏人」，通常比误拦更严重。

11. 某模型在 500 个样本上测试：实际为正的有 100 个，模型全部识别出来；实际为负的有 400 个，模型把其中 40 个误判为正。求准确率、精确率、召回率。

▸ 展开参考答案

① 先填矩阵：TP = 100，FN = 0，FP = 40，TN = 360（自查：100+0+40+360 = 500 ✓）
② 代公式：
准确率 = (100+360)/500 = 460/500 = 92%
精确率 = 100/(100+40) = 100/140 ≈ 71.4%
召回率 = 100/(100+0) = 100%
⚠️ 注意：召回率 100% 不代表模型完美——它一个都没漏，但误报了 40 个。这就是为什么必须同时看两个指标。

12. 某模型的精确率 P = 0.6，召回率 R = 0.4，求 F1。

▸ 展开参考答案

F1 = 2 × 0.6 × 0.4 / (0.6 + 0.4) = 0.48 / 1.0 = 0.48。
⚠️ 它不是算术平均（(0.6+0.4)/2 = 0.5）——F1 用调和平均，会向更小的那个值靠拢。

13. 为什么模型「准确率 99%」却可能是废的？说明原理并举一个例子。

▸ 展开参考答案

原理：当类别不平衡时（某一类样本占绝对多数），模型只要「全猜多数类」就能拿到高准确率，但它对少数类完全失效。
例子：1000 个受检者中只有 1 个病人。模型把所有人判为健康 → 准确率 999/1000 = 99.9%，但召回率 = 0（一个病人都没找到）。这种情况要看召回率和 F1。

14. 垃圾邮件过滤应该优先保精确率还是召回率？为什么？

▸ 展开参考答案

优先保精确率。两种错的代价不对称：把正常邮件误判为垃圾（FP）可能让你错过重要邮件，代价高；漏掉几封垃圾邮件（FN）只是收件箱多几条广告，代价低。宁可漏掉垃圾，不可误杀正常邮件。

15. 某医疗 AI 团队说「我们模型准确率 98%，可以上线了」。作为训练师，你会追问什么？为什么？

▸ 展开参考答案

追问召回率和精确率（或者直接要混淆矩阵）。
理由：医疗场景最怕漏诊（FN），必须知道召回率——98% 的准确率完全可能掩盖「少数病人没被检出」；同时也要看精确率，否则大量误报会让医生疲于复查、最后弃用系统。单看准确率无法判断模型在关键的少数类上的表现。

---

如果这篇帮你理清了「评价指标」，可以点个收藏——后面几篇会接着讲 业务分析入门，收起来方便连着看。

有哪里没讲透、或者你想让我补哪一块？在评论区说一声，我逐个回复。

📚 本系列共 5 篇：① AI/ML/DL 是什么｜ ② 三大学习范式 ｜ ③ 数据·算法·算力 ｜ ④ 评价指标 ← 你在这里 ｜ ⑤ 业务分析入门