模型训练中的精确率、召回率定义是什么 计算公式是什么

训练或评估分类模型时，看准确率挺高，但一上线就发现该抓的没抓到、不该报的报了一堆。这时候就需要拆开看精确率和召回率。这篇从定义和公式讲起，给出混淆矩阵的四个格子、两条公式的推导、以及按业务场景决定先保哪个的判断清单，适合刚接触模型评估的读者。

分类模型评估里最容易踩的坑，就是只看一个总体准确率。数据一不平衡，准确率能高得离谱，可一上线就发现：该抓的没抓到，不该报的报了一堆。这时候必须把「报得准不准」和「该抓的抓到没有」拆成两个数分开看，也就是精确率和召回率。这篇把定义、公式和取舍逻辑讲清楚，适合刚开始做模型评估的人。

先记住一句话：两者不是一回事，也不是越高越好就能兼得的两个指标。它们共用同一个分子，动一个必然牵动另一个。想真正读懂，得从混淆矩阵的四个格子开始数起，再去谈公式和阈值。

先画一张混淆矩阵，四个格子是全部地基

把模型的预测结果和真实标签交叉排列，就得到四格：真阳、假阳、假阴、真阴。这四个格子是所有分类指标的原材料，精确率和召回率都是从里面挑两个格子算出来的。所以算指标之前，先把四格的样本量数清楚，不然公式出来的数字没有解释力。基础词条可以到 /ai-dict/category/basics 对照着看。

真阳（TP）

真实是阳性、模型也判为阳性，抓对了的那部分

假阳（FP）

真实是阴性、模型却判为阳性，误报的那部分

假阴（FN）

真实是阳性、模型却判为阴性，漏掉的那部分

真阴（TN）

真实是阴性、模型也判为阴性，正常放过的那部分

每个格子对应一种业务动作。拿风控场景举例：假阴是漏掉的坏账，假阳是被误伤的客户。两条路由的代价完全不同，这也是后面判断该优先保哪个指标的根本依据。标签质量不可靠时，四个格子本身就是错的，指标再好也没意义。

两条公式：一个盯「报得准不准」，一个盯「漏没漏」

精确率的分母是模型所有判为阳性的样本，也就是真阳加假阳。它回答的问题是：我报出来的这些，有多少是对的。召回率的分母是数据里所有真实阳性的样本，也就是真阳加假阴。它回答的是：该抓的东西，我抓到了多少。两条公式共用同一个分子真阳，这就是它们无法同时固定的原因。

F1 把两个数揉成一个数字，方便做单一排序对比。但要知道它隐含了一个假设：精确率和召回率同等重要。业务上如果一边代价明显更大，就不该只看 F1，否则等于默认两边的错一样贵。具体选用哪条曲线对比，可以在 /benchmarks 的评测方法分区里找参考。

什么时候保精确率、什么时候保召回率：按错一次的代价来定

判断标准其实一句话就能写完：把两边的代价各写成一句，「漏掉一个损失多少，误报一个损失多少」。谁大就偏谁。假阳代价高的场景，比如自动封号、自动删帖、给客户推贵价方案，优先保精确率；假阴代价高的场景，比如疾病初筛、安全告警、反欺诈线索，优先保召回率。

• 漏掉一个代价明显更大：偏召回率，宁可多报也别漏
• 误报一个代价明显更大：偏精确率，宁可漏点也别乱报
• 两边代价接近：折中处理，用阈值扫出一条曲线找平衡点
• 业务上根本不可能两边都要：明确接受哪一边的损失，写进验收标准
• 样本极度不均衡或标签本身不可靠：两个指标都会失真，先回去查标注和采样，别急着调阈值

不适用的情形也要说清楚：如果标签本身不可靠，或者正负样本比例极端到某一格几乎没样本，那么无论精确率还是召回率都不可信。这时候该做的是回头检查标注质量、采样方式和验证集构造，而不是继续在阈值上死抠。

落地动作清单：从跑数到定阈值

1. 固定验证集用留出的验证集算指标，别拿训练集数字当结论。训练集好看验证集崩掉是另一类问题，这里不展开。
2. 选定主指标按业务实际代价从精确率和召回率里挑一个作为主指标，写进验收文档，避免上线后各说各话。
3. 扫阈值从高到低扫一遍判定阈值，记录每个点对应的精确率和召回率，挑出两个业务能解释的候选点。
4. 持续监控上线后同时盯这两个值。模型没变但数据分布变了，指标一样会掉。可用工具到 /tools/quality-monitor 找。
5. 写进交接文档把最终阈值和指标口径记下来，换人接手时能复现同一套结论，不然每次都要重新吵一遍。

这套流程的重点不在算法本身，而在把「业务代价」翻译成指标约束。先定代价，再选指标，最后调阈值，顺序反了就会来回返工。想横向对比各家工具在评估环节的支持情况，可以到 /tools 目录里按能力筛选。