混淆矩阵、精确率、召回率、F1 分别是什么？

简化版

混淆矩阵 是分类结果的 2×2 表，把预测和真实交叉统计成四格：TP（真正例）、FP（假正例）、FN（假负例）、TN（真负例）。基于它定义：精确率（Precision）= TP/(TP+FP)——「预测为正的里面，真正为正的比例」，衡量查准；召回率（Recall）= TP/(TP+FN)——「真正为正的里面，被找出来的比例」，衡量查全。两者常此消彼长。F1 = 精确率和召回率的调和平均 = 2PR/(P+R)，综合两者、当二者都要兼顾时用。选哪个看业务：宁可错杀怕误报用精确率（如垃圾邮件），宁可多查怕漏报用召回率（如疾病筛查）。

详细版

混淆矩阵（正类为关注类）：

                预测正      预测负
真实正         TP          FN        （FN=漏报）
真实负         FP          TN
              (FP=误报)

核心指标：

指标	公式	含义
精确率 Precision	TP/(TP+FP)	预测为正中真正正的比例（查准）
召回率 Recall	TP/(TP+FN)	真实正中被找出的比例（查全）
F1	2PR/(P+R)	精确率召回率的调和平均
准确率 Accuracy	(TP+TN)/总数	整体分对比例（不平衡时失真）

记忆关键：

精确率分母含 FP（误报）——不想误报就提精确率。
召回率分母含 FN（漏报）——不想漏报就提召回率。
精确率↑ 常导致召回率↓（调高阈值更谨慎→查准但漏得多），反之亦然。
F1 用调和平均：只有 P、R 都高 F1 才高，任一很低 F1 就被拉低。

完整版教学

一、从混淆矩阵说起——四个基本量

评估分类模型，先把预测结果和真实标签交叉统计成混淆矩阵。以「正类」为我们关注的类别（如「有病」「欺诈」「垃圾邮件」），四个格子是：

TP（True Positive，真正例）：真实为正、预测也为正——正确抓到。
FP（False Positive，假正例）：真实为负、却预测为正——误报（虚惊一场）。
FN（False Negative，假负例）：真实为正、却预测为负——漏报（放过了）。
TN（True Negative，真负例）：真实为负、预测也为负——正确排除。

记忆技巧：第二个字母是预测（P=预测正/N=预测负），第一个字母是预测对不对（T=对/F=错）。FP 是误报、FN 是漏报——这两个错误的代价往往不同，正是精确率和召回率要分别刻画的。

二、精确率：预测为正的「查准率」

精确率（Precision）= TP / (TP + FP)

分母是「所有被预测为正的样本」，分子是其中「真正为正的」。它回答：「模型说是正的，有多少真的是正的？」 衡量查准、误报少不少。

分母含 FP（误报）：误报越多，精确率越低。
当误报代价高时看精确率。例：垃圾邮件过滤——把正常邮件误判为垃圾（FP）很糟糕（用户漏看重要邮件），所以要高精确率，宁可放过一些垃圾也别误杀正常邮件。

三、召回率：真实为正的「查全率」

召回率（Recall）= TP / (TP + FN)

分母是「所有真实为正的样本」，分子是其中「被模型找出来的」。它回答：「所有真正的正例，模型找出了多少？」 衡量查全、漏报少不少。

分母含 FN（漏报）：漏报越多，召回率越低。
当漏报代价高时看召回率。例：癌症筛查——漏诊一个真病人（FN）后果严重，所以要高召回率，宁可多误报几个（让健康人复查）也别漏掉真病人。

四、精确率和召回率的矛盾——此消彼长

精确率和召回率通常不能兼得，靠调整分类阈值（判为正类的概率门槛）来权衡：

阈值调高（更谨慎才判正）→ 预测正的少而准 → 精确率↑、召回率↓（漏得多）
阈值调低（宽松就判正）  → 预测正的多而滥 → 召回率↑、精确率↓（误报多）

极端例子：只把最有把握的 1 个判为正，很可能对（精确率高），但漏掉了其他所有正例（召回率极低）；反过来把所有样本都判为正，召回率 100%（一个不漏）但精确率极低（全是误报）。所以要在两者间找平衡——这就需要一个综合指标。

五、F1：精确率和召回率的调和平均

F1 = 2 · P · R / (P + R)——精确率和召回率的调和平均数。

为什么用调和平均而不是算术平均？因为调和平均更偏向较小值：只有当 P 和 R 都比较高时 F1 才高；任意一个很低，F1 就被拉得很低。这正是我们想要的——不能靠一个指标很高、另一个很低来「蒙混」。

例：P=1.0、R=0.01，算术平均=0.505（看着还行），但 F1=2×1×0.01/(1.01)≈0.02（暴露了 R 太低的问题）。
F1 适合精确率和召回率都要兼顾、且类别不平衡的场景。

Fβ 推广：Fβ = (1+β²)PR / (β²P + R)，β>1 更重视召回率，β<1 更重视精确率，可按业务侧重调。

六、和准确率的关系——为什么不平衡时别只看准确率

准确率（Accuracy）= (TP+TN)/总数，是最直观的「整体分对比例」。但在类别不平衡时会严重误导：若 99% 是负类，模型「全预测负」准确率就有 99%，看着很高，却一个正例都没抓到（召回率=0）——毫无价值。所以不平衡场景要用精确率、召回率、F1、AUC 而非准确率（详见准确率局限专题）。

平衡准确率 (TPR+TNR)/2 给两个真实类别相同权重，在类别不均衡时比普通准确率更有解释力。F1 完全忽略 TN，因此若正确排除负类也有重要价值，不能只报 F1。

指标	使用信息	典型盲点
Accuracy	TP、TN、FP、FN	多数类可能主导
F1	TP、FP、FN	忽略 TN
Balanced Accuracy	TPR、TNR	不表达错误成本

七、常见追问

精确率和召回率怎么记？ 精确率分母含 FP（管误报、查准）；召回率分母含 FN（管漏报、查全）。
什么时候重精确率/召回率？ 误报代价高→精确率（垃圾邮件、推荐）；漏报代价高→召回率（疾病、欺诈、安全）。
F1 为什么用调和平均？ 偏向小值，P、R 都高才高，防止一高一低蒙混。
多分类怎么算 P/R/F1？ 每类分别算，再用 macro/micro/weighted 平均（详见多分类评估专题）。
阈值怎么选？ 按业务对精确率/召回率的侧重，看 P-R 曲线选合适阈值。

八、用一张混淆矩阵把指标全部算出来

设测试集中 TP=72,FP=18,FN=8,TN=902，总样本 1000。Precision=72/(72+18)=0.80，Recall=72/(72+8)=0.90，F1=2×0.8×0.9/(0.8+0.9)≈0.847；Specificity=902/(902+18)≈0.980。同一矩阵同时揭示正类捕获与负类误报，不能只抄一个 F1。

指标	分母是谁	数值
Precision	所有预测正	0.800
Recall/TPR	所有真实正	0.900
Specificity/TNR	所有真实负	0.980
NPV	所有预测负	约 0.991

真实正 80  → TP 72 + FN 8
真实负 920 → FP 18 + TN 902
预测正 90  → 其中 80% 真正

精确率和召回率随阈值常呈权衡，但 Precision 本身不保证随阈值严格单调；离散分数和局部排序会让它上下波动。应在验证集上枚举实际候选阈值，并报告置信区间或样本量。

易错点：先声明谁是正类，再写分母；正类一换，TP/FP/FN/TN 和所有指标都会重算。

九、常见误区与追问

误区：F1 高就代表负类也表现好。 F1 只由正类 Precision/Recall 构成，不使用 TN。
误区：提高阈值时 Precision 数学上必然上升。 召回通常不增，但 Precision 可因分数排序和离散点出现局部下降。
追问：Specificity 是什么？ 它是 TN/(TN+FP)，衡量真实负类被正确排除的比例。
追问：Fβ 中 β 大于 1 表示什么？ 召回的权重更高，但具体 β 仍应与业务成本对应。
追问：样本权重下怎么计算？ 四格改为权重和而非简单计数，公式结构不变。

十、加强记忆

混淆矩阵四格：TP 正确抓到、FP 误报、FN 漏报、TN 正确排除。精确率 = TP/(TP+FP)——预测为正中真正的比例（查准，分母含 FP 误报，误报代价高时用，如垃圾邮件）；召回率 = TP/(TP+FN)——真实正中被找出的比例（查全，分母含 FN 漏报，漏报代价高时用，如疾病筛查）。两者随阈值通常需要权衡，但 Precision 不保证逐阈值严格单调。F1 = 2PR/(P+R) 是调和平均，P、R 都高才高、任一低就拉低，兼顾两者且不被大量 TN 直接主导，但仍受正类率影响。准确率在类别不平衡时失真（全预测多数类也很高），不平衡要看 P/R/F1/AUC。

简化版

详细版