当前位置：首页 > news >正文

7.4 性能度量指标：准确率、精确率、召回率、F1分数、AUC-ROC

news 2026/7/12 15:54:12

7.4 性能度量指标：准确率、精确率、召回率、F1分数、AUC-ROC

模型评估不仅需要一个独立的测试集，更需要选择恰当的度量指标来量化其性能。对于分类任务，单一指标（如准确率）往往无法全面反映模型的行为特性，尤其是在数据分布不平衡或不同错误类型的代价差异悬殊的场景下。本节将系统阐述二分类任务中的核心性能度量指标——准确率、精确率、召回率、F1分数与AUC-ROC——的定义、计算方法、内在联系及其适用场景，并简要说明其向多分类任务的扩展。

7.4.1 评估的基础：混淆矩阵

所有分类性能指标均派生自混淆矩阵，它是一个总结分类模型预测结果与真实标签对应关系的N×NN \times NN×N表格（NNN为类别数）。对于二分类问题（正类和负类），其简化形式如表1所示。

表1：二分类混淆矩阵

预测为正类	预测为负类
实际为正类	真正例 (True Positive, TP)	假负例 (False Negative, FN)
实际为负类	假正例 (False Positive, FP)	真负例 (True Negative, TN)

混淆矩阵中的四个基本计数（TP, FN, FP, TN）是所有后续指标计算的基石。它们明确区分了两种错误类型：假正例（误报，将负类判为正类）和假负例（漏报，将正类判为负类）。在实际应用中，这两类错误的代价往往不同。例如，在疾病筛查中，漏诊（FN）的代价通常远高于误诊（FP）。

7.4.2 核心分类性能指标

基于混淆矩阵，可以定义一系列具有不同侧重点的指标。

7.4.2.1 准确率

准确率衡量的是模型整体预测正确的比例。
Accuracy=TP+TNTP+TN+FP+FN \text{Accuracy} = \frac{TP + TN}{TP + TN + FP + FN}Accuracy=TP+TN+FP+FNTP+TN
它是最直观的指标。然而，当数据类别严重不平衡时（例如负样本占99%，正样本占1%），一个将所有样本都预测为负类的“愚蠢”模型也能获得99%的准确率，这完全掩盖了模型对关键少数类（正类）的识别能力为0的事实[1]。因此，准确率不适用于类别不平衡问题的评估。