机器学习 - 如何理解函数集合中的准确性、召回率、F1分数呢？
在机器学习中，准确性（Accuracy）、召回率（Recall）、和F1分数是常用的模型性能评价指标，它们从不同的角度衡量模型的表现。要理解它们，首先需要了解它们的定义和适用场景：
1. 基本概念：分类问题中的混淆矩阵
混淆矩阵是分类问题中计算这些指标的基础，它展示了模型预测结果与实际标签之间的对比。以下是一个二分类问题的混淆矩阵：
| 预测为正类（Positive） | 预测为负类（Negative） | |
|---|---|---|
| 实际为正类 | 真正类（TP） | 假负类（FN） |
| 实际为负类 | 假正类（FP） | 真负类（TN） |
- TP（True Positive）：模型正确地预测为正的样本数。
- FN（False Negative）：模型错误地预测为负的正样本数。
- FP（False Positive）：模型错误地预测为正的负样本数。
- TN（True Negative）：模型正确地预测为负的样本数。
2. 准确性（Accuracy）
定义
准确性是所有正确预测（包括正类和负类）占总样本的比例。
优点
- 简单直观，适合类分布平衡的情况。
缺点
- 对于类别不平衡的问题不敏感。例如，在99%的样本都是负类的情况下，模型全预测为负类也能有99%的准确性，但实际上完全无效。
适用场景
- 类别分布均衡，且正负类的重要性相当时。
3. 召回率（Recall）
定义
召回率是实际为正类的样本中，模型正确预测为正类的比例。
优点
- 更关注正类的覆盖率，适合需要降低漏判率的场景。
缺点
- 不考虑假正类（FP）的数量，可能导致过多错误预测为正类。
适用场景
- 敏感任务：如疾病检测、垃圾邮件检测、金融风控等，对漏报成本较高时。
- 例如：医疗诊断中，漏诊（FN）可能导致严重后果，因此优先提高召回率。
4. 精确率（Precision）
定义
精确率是模型预测为正类的样本中，真正为正类的比例。
优点
- 更关注模型预测结果的可信度，适合降低误报率的场景。
缺点
- 不考虑假负类（FN）的数量，可能导致低覆盖率。
适用场景
- 严格任务：如信用卡欺诈检测、推荐系统等，对误报成本较高时。
- 例如：风控中，过多的假正类（FP）可能导致业务资源浪费，因此需要高精确率。
5. F1分数
定义
F1分数是精确率和召回率的调和平均数，用于权衡二者：
优点
- 综合考虑精确率和召回率，适合需要平衡两者的场景。
缺点
- 如果任务对精确率或召回率有不同的侧重，F1分数可能不完全反映需求。
适用场景
- 精确率和召回率同等重要时。
- 例如：文本分类、舆情分析等，需要兼顾正类的覆盖率和预测准确性。
6. 示例说明
场景：垃圾邮件分类
假设共有100封邮件：
- 其中20封是垃圾邮件，80封是正常邮件。
- 模型预测结果如下：
- TP = 15（15封垃圾邮件被正确预测为垃圾邮件）
- FN = 5（5封垃圾邮件被预测为正常邮件）
- FP = 10（10封正常邮件被预测为垃圾邮件）
- TN = 70（70封正常邮件被正确预测为正常邮件）
计算：
7. 如何选择指标？
- 优先准确性：适合类分布平衡且误分类成本相当的场景（如图像分类、语音识别）。
- 优先召回率：适合正类漏判成本高的场景（如医疗诊断、风控审核）。
- 优先精确率：适合负类误判成本高的场景（如广告推荐、信用欺诈检测）。
- 优先F1分数：适合需要精确率和召回率平衡的场景。
准确性、召回率和F1分数是从不同角度衡量模型的性能。在选择使用哪个指标时，需要结合任务需求、错误代价和类别分布综合考量。对于实际问题，通常不仅关注单一指标，还需综合使用多个指标来全面评价模型表现。
附：对调和平均数和算数平均数的理解：
F1分数中的调和平均数是一种用来综合两个指标（通常是精确率 Precision 和召回率 Recall）的数学方法。相比算术平均数，调和平均数对两个值之间的平衡性要求更高，更加关注较小的值。
1. 调和平均数的定义
2、调和平均数 vs. 算术平均数
3. 为什么F1分数使用调和平均数？
4. 示例分析
假设一个分类模型的精确率和召回率如下：
- 模型A：精确率 = 0.8，召回率 = 0.2
- 模型B：精确率 = 0.5，召回率 = 0.5
计算F1分数：
- 调和平均数在F1分数中的作用是综合两个指标的表现，同时更关注较小值，只有当精确率和召回率同时较高时，F1分数才会高。
- 这使得F1分数成为一个能够平衡精确率和召回率的指标，适用于模型需要兼顾两者的场景，尤其是在分类问题中。