AI摘桃记：精准率（P-Precision）、召回率（R-Recall）、F1-Score之争
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
手打不易，如果转摘，请注明出处！
本文链接：
https://zhangxiaofan.blog.csdn.net/article/details/151451237
文末有一张图，简洁明了，告诉我们应该怎么通俗易懂的理解：
精确率（P-Precision）、召回率（R-Recall）、F1-Score
目录
先放图
背景
任务
过程
计算
1. 精确率 (Precision) - “摘得准不准”
2. 召回率 (Recall) - “摘得全不全”
3. F1值 (F1-Score) - “综合表现好不好”
图解
总结
先放图
背景
你有一颗桃树，树上结了10个桃子。其中6个是又大又甜的好桃子（正样本），4个是烂掉的坏桃子（负样本）
任务
用一个智能体（AI机器人）去把好桃子都摘下来，自己吃。
过程
机器人扫描了一圈，认为有5个桃子是好的，并摘了下来（它预测的正样本）。但这5个里面：
-
4个确实是好桃子（预测正确，True Positive, TP）
-
1个其实是坏桃子（预测错了，False Positive, FP）
同时，桃树上还剩下2个好桃子没被摘（漏网之鱼，False Negative, FN），以及3个坏桃子没被摘（预测正确，True Negative, TN）。
| 实际是好桃子 (6个) | 实际是坏桃子 (4个) | |
|---|---|---|
| 被摘（预测为好）(5个) | TP = 4 (摘对了) | FP =1 (错摘了) |
| 没摘（预测为坏）(5个) | FN = 2 (漏摘了) | TN = 3 (避开了) |
计算
计算三个指标：
1. 精确率 (Precision) - “摘得准不准”
定义： 在所有被摘下来的桃子中，有多少是真正的好桃子。
公式： Precision = TP / (TP + FP)
计算： P = 4 / (4 + 1) = 4 / 5 = 0.8
解读： 机器人摘回来的桃子里，80%都是好桃子。这说明它下手很精确。
2. 召回率 (Recall) - “摘得全不全”
定义： 在所有真正的好桃子中，有多少被成功摘了回来。
公式： Recall = TP / (TP + FN)
计算： R = 4 / (4 + 2) = 4 / 6 ≈ 0.67
解读： 桃树上总共6个好桃子，机器人只摘回了4个，召回率只有67%。这说明它的覆盖率很差，有几个好桃子都漏掉了。
3. F1值 (F1-Score) - “综合表现好不好”
定义： 精确率和召回率的调和平均数。它综合考量了“精准度”和“覆盖率”。
公式： F1 = 2 * (Precision * Recall) / (Precision + Recall)
计算： F1 = 2 * (0.8*0.67) / (0.8 + 0.67) ≈ 0.73
解读： 这个机器人的F1值不高，因为它虽然摘得很准（P=80%），但漏摘的好几个好的桃子（R=67%），综合表现并不理想。
图解
10个样本：第1个表格表示实际样本，第2个表格表示机器人预测结果
总结
- 精确率：选的样本中，真正正确的有多少？——精度
- 召回率：所有正确的样本中，我预测对/选对了多少？——召回
- F1：既要选对，又要选全——综合指标