概述
精确度和召回率是评估分类器的两个互补指标，尤其是当类别不平衡时。它们共同揭示了简单的准确性所隐藏的内容——模型的积极预测正确的频率，以及它实际捕获了多少真正的积极因素。
精确率和召回率位于核心人工智能工具包中。当你理解它时，其他人工智能主题就变得更容易评估和比较。
深入探讨
当模型将项目标记为积极时，有两个问题很重要。精确度询问：在我们标记的所有内容中，有多少是真正积极的？它等于真阳性除以所有预测阳性，从而惩罚误报。回忆（敏感性）问：在所有真正的积极因素中，我们发现了多少？它等于真实阳性数除以所有实际阳性数，并对未命中进行惩罚。这些通常是权衡的：降低决策阈值可以捕捉到更多的积极信息（更高的召回率），但标记更多的垃圾信息（更低的精确度），反之亦然。优先考虑哪个取决于成本——垃圾邮件过滤器有利于精确性（不要丢弃真正的邮件），而癌症筛查有利于召回（不要错过肿瘤）。 F1 分数（它们的调和平均值）将两者平衡在一个数字中。
技术洞察
这两个指标都来自混淆矩阵的真阳性 (TP)、假阳性 (FP) 和假阴性 (FN)：精度 = TP / (TP + FP)，召回率 = TP / (TP + FN)。值得注意的是，两者都没有使用真正的负数，这就是为什么当负数远远多于正数时它们仍能提供信息。扫过分类阈值可绘制出精确率-召回率曲线；它下面的区域（平均精度）总结了性能，并且在高度不平衡的数据上优于 ROC-AUC。
掌握精确度和召回率
精确度和召回率是评估分类器的两个互补指标，尤其是当类别不平衡时。它们共同揭示了简单的准确性所隐藏的内容——模型的积极预测正确的频率，以及它实际捕获了多少真正的积极因素。精确率和召回率位于核心人工智能工具包中。当你理解它时，其他人工智能主题就变得更容易评估和比较。为了建立深入的理解，请将精确度和召回率视为一种操作模型，而不是单一功能：定义期望的结果，澄清假设，并将系统可以可靠地完成的任务与仍需要专家判断的任务分开。
在实践中，使用精确度和召回率的强大团队首先构建强大的概念模型，然后将这些模型映射到实际的生产约束。他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
它可以帮助您将清晰的技术声明与营销语言分开。同时，不同的团队可能会以不同的方式使用同一术语，因此请尽早定义范围。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
它可以帮助您将清晰的技术声明与营销语言分开。
它可以帮助您将清晰的技术声明与营销语言分开。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
在花费金钱或时间之前，您可以提出更好的实施问题。
在花费金钱或时间之前，您可以提出更好的实施问题。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
具有共同理解的团队可以做出更好的产品、政策和学习决策。
具有共同理解的团队可以做出更好的产品、政策和学习决策。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
现实世界的实施
垃圾邮件过滤器会进行高精度调整，因此合法电子邮件几乎不会被错误地发送到垃圾邮件文件夹。
医学筛查测试优先考虑高召回率，以避免漏掉实际患有该疾病的患者，从而接受更多的误报进行随访。
搜索和推荐系统报告 precision@k（前 k 个结果中有多少是相关的）来衡量排名质量。
欺诈检测通过 F1 分数平衡精确度和召回率，因为误报和遗漏欺诈的成本都很高。
实施模式
实践中的精确率和召回率
垃圾邮件过滤器会进行高精度调整，因此合法电子邮件几乎不会被错误地发送到垃圾邮件文件夹。
垃圾邮件过滤器会进行高精度调整，因此合法电子邮件几乎不会被错误地发送到垃圾邮件文件夹。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力提升和错误成本时，通常会获得更好的结果。
实践中的精确率和召回率
医学筛查测试优先考虑高召回率，以避免漏掉实际患有该疾病的患者，从而接受更多的误报进行随访。
医学筛查测试优先考虑高召回率，以避免遗漏实际患有该疾病的患者，接受更多的误报进行后续检查。当团队预先定义质量阈值、为边缘情况保留人性化的升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会得到更好的结果。
实践中的精确率和召回率
搜索和推荐系统报告 precision@k（前 k 个结果中有多少是相关的）来衡量排名质量。
搜索和推荐系统报告 precision@k（前 k 个结果中有多少个相关）来衡量排名质量。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力增益和错误成本时，通常会获得更好的结果。
实践中的精确率和召回率
欺诈检测通过 F1 分数平衡精确度和召回率，因为误报和遗漏欺诈的成本都很高。
欺诈检测通过 F1 分数平衡精确度和召回率，因为误报和遗漏欺诈的成本都很高。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
风险与防护栏
不同的团队可能会以不同的方式使用同一术语，因此请尽早定义范围。
基准测试可能看起来很强大，但实际性能却参差不齐。
忽视数据质量和评估计划通常会产生脆弱的结果。
实施路线图
从您需要的结果的简单语言定义开始。
从您需要的结果的简单语言定义开始。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在测试之前选择一种成功指标和一种失败条件。
在测试之前选择一种成功指标和一种失败条件。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
使用代表性数据运行小型试点，而不是完善的演示集。
使用代表性数据运行小型试点，而不是完善的演示集。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
记录精确度和召回率在哪些方面有帮助以及在哪些方面更简单的方法更好。
记录精确度和召回率在哪些方面有帮助以及在哪些方面更简单的方法更好。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。