【术语扫盲】评估指标Precision、Recall、F1-score、Support是什么含义？

一、背景

Precision、Recall、F1-score、Support 是分类问题中最常用的评估指标，它们是机器学习、深度学习、数据挖掘中非常基础也非常重要的术语。

二、 详细解释

指标	含义	公式
Precision（精准率）	预测为某类的样本中，有多少是真的属于这个类的。	TP / (TP + FP)
Recall（召回率）	实际属于某类的样本中，有多少被你成功找出来了。	TP / (TP + FN)
F1-score	精准率和召回率的调和平均值，是它们之间的平衡。	2 × (P × R) / (P + R)
Support	每个类别在测试集中实际有多少个样本。	——

TP（True Positive）：预测对了，是真的。

FP（False Positive）：预测错了，把不是的当成是的。

FN（False Negative）：漏掉了，是真的没发现。

三、 大白话解释

我们用一个常见的例子：抓“小偷”，你是警察，模型是你抓人的直觉！

1、Precision（精准率）： 抓到的人里，真的小偷占比多高

就是你抓的那些人，到底有多少小偷？

比如你抓了10个人，其中8个真的是小偷，那精准率就是 8 / 10 = 80%。

通俗说法：

“别乱抓路人啊，抓一个就得抓准了，别给自己找麻烦！”

2、Recall（召回率）= 所有小偷里，你抓住了多少

就是街上真的有小偷，你到底抓住了几个？

比如街上本来有100个小偷，你只抓到了20个，召回率就是 20 / 100 = 20%。

📢 通俗说法：

“你不能光会喊口号，小偷都跑了你才发现，叫啥警察？”

⚖️ F1-score = 平衡精准率和召回率的综合表现
有时候你精准率高（不冤枉好人），但漏抓很多；
有时召回率高（啥都抓），但冤枉一堆。

3、F1-score

“你要又抓得准、又不漏人，不能偏科！”

“既不能眼瞎乱抓人，也不能装瞎看不见人。”

4、 Support = 真正小偷和好人有多少

就是告诉你现场到底有多少个小偷、多少个好人，好评估表现。

“你一天只抓到1个小偷，那表现再好也没啥说服力啊；你抓了成千上万，那才是真本事！”

四、 应用场景

1、医疗诊断（癌症检测）

背景：识别一个病人是否患癌

Precision（精准率）：预测为癌症的人中，有多少是真的癌症（误诊少）

Recall（召回率）：所有癌症患者中，有多少被识别出来（漏诊少）

F1-score：精准率和召回率的平衡

Support：测试集里到底有多少癌症和非癌症患者

🧠 重点：宁愿多查一点假阳性（Precision 低一点），也不要漏掉真正的患者（Recall 要高）

2、金融风控（信用卡欺诈识别、逾期预测）

背景：识别用户是否会“逾期”或“刷爆卡跑路”

Precision：你说“会逾期”的用户里，实际逾期的比例（别误伤太多人）

Recall：所有真的会逾期的人中，识别出了多少（尽量别漏）

F1-score：金融机构希望兼顾风险与用户体验

Support：测试数据里，逾期与不逾期的人数比例往往严重不均衡

💰 重点：逾期是小概率事件，要想方设法提高对少数类的识别率（Recall）

3、垃圾邮件识别（文本分类）

背景：模型判断邮件是不是垃圾

Precision：预测为垃圾邮件的那些，有多少是真垃圾？（别冤枉正常邮件）

Recall：所有垃圾邮件中，被你识别出来的有多少？

F1-score：既不放过垃圾，也不误杀正常

Support：有多少垃圾邮件、多少正常邮件

📧 重点：精准率低，会让用户错过重要邮件；召回率低，会让垃圾邮件漏掉

4、人脸识别 / 安防监控

背景：识别“嫌疑人”是否出现在监控画面中

Precision：你报警的画面里，有多少是真的嫌疑人？（误报多会打扰警察）

Recall：真的嫌疑人出现了，你识别出来没？（漏报后果更严重）

F1-score：找平衡，既不乱报警也不漏掉坏人

Support：嫌疑人出现多少次 vs 正常人出现多少次

👮 重点：不同场景下要选择不同优先级，有的地方“宁可错杀一千”，有的地方则“错杀一个都不行”

五、总结：

Precision、Recall、F1-score 这三兄弟，是在分类模型中判断表现优不优的“法官”。
它们的组合帮助我们在各种场景下“少冤枉、少漏人、又聪明”。