参考如何理解准确率、精确率和召回率ai举例假设你是一个质检员从 1000 个产品里挑出次品。实际情况1000 个产品里有50 个次品950 个正品。你的判断你挑出了 80 个产品说这是次品。Precision精确率—— “我挑出来的有多少真是次品”你挑出 80 个其中只有40 个真的是次品另外 40 个误杀了。Precision 40 80 50 % \text{Precision} \frac{40}{80} 50\%Precision8040​50%意思是你说这是次品的时候只有一半靠谱。Recall召回率—— “所有次品里我抓住了多少”实际有 50 个次品你抓住了 40 个漏了 10 个。Recall 40 50 80 % \text{Recall} \frac{40}{50} 80\%Recall5040​80%意思是次品里你抓到了八成但有 10 个溜了。怎么记一个管准一个管全Precision 准不准→ 你说是的有多少真是Recall 全不全→ 真是的你找到了多少极端情况帮助理解你只挑 1 个最明显的次品 → Precision 100%挑的都对Recall 2%几乎全漏了你把 1000 个全标为次品 → Recall 100%没漏Precision 5%几乎全错杀两者天然 trade-off想更准就要少挑想更全就要多挑。总结第一只看正类第二Precision精确率在预测的角度看看预测的80个里面gt的比例是多少。能反应你预测的准不准确越高就越准确第三Recall召回率在gt的角度看看gt的50个里面预测的比例是多少。能反应你预测的全不全面越高就越全面第四极端情况对比预测越少1个肯定越准预测越多1000个肯定越全