精确率

精确率 (Precision)

精确率（Precision，亦称查准率）是分类模型性能评估中的核心指标之一，衡量模型预测为正类的样本中实际为正类的比例。在二分类问题的混淆矩阵（Confusion Matrix）框架下，精确率的定义为

其中 $TP$ 为真正例（True Positives），$FP$ 为假正例（False Positives）。精确率的取值范围为 $[0, 1]$，取值越接近 1 表示模型的阳性预测越可靠——即每当模型预测某个样本为正类时，该样本确实为正类的概率越高。

精确率与召回率（Recall，亦称查全率或灵敏度）构成分类评估中最基本的权衡对。召回率定义为 $TP/(TP + FN)$（$FN$ 为假负例），关注的是模型"捕获了多少真实正例"；精确率关注的则是"预测为正例的结果中有多少是正确的"。两者之间的此消彼长关系被称为精确率-召回率权衡（Precision-Recall Trade-off），通常通过调整分类阈值（Classification Threshold）来在两者之间移动。

与相关指标的关系

精确率是F1分数（F1-Score）的构成要素之一。F1分数定义为精确率与召回率的调和平均（Harmonic Mean）：

调和平均对较小值施加更大的惩罚，因此只有当精确率和召回率同时较高时，F1分数才会接近 1。相比算数平均，调和平均更能体现两者之间的均衡性。

精确率与假正率（False Positive Rate, FPR）也存在间接关联。假正率定义为 $FP/(FP + TN)$，即所有真实负例中被错误预测为正例的比例。当精确率较低时，通常意味着假正例较多，假正率相应较高；但精确率对类别不平衡（Class Imbalance）的敏感度与假正率不同——在负例远多于正例的场景中，即使假正率极低，大量负例也足以将精确率拉低。

应用场景与偏好

不同任务对精确率的偏好程度存在显著差异，这取决于假正例的实际代价。

在垃圾邮件检测中，将正常邮件误判为垃圾邮件（假正例）的代价远高于遗漏一封垃圾邮件（假负例）。因此垃圾邮件分类器通常追求高精确率，即使这意味着牺牲部分召回率——宁可放过一些垃圾邮件，也不误删正常邮件。类似地，在搜索引擎的结果排序中，用户期望前几页的结果绝大部分都是相关的，因此排名系统在头部位置追求高精确率。

在医疗诊断中，对精确率的偏好则因疾病性质而异。对于致命但可治疗的疾病（如某些癌症），召回率往往优先于精确率——宁可出现假阳性以便进一步排查，也不希望漏诊。而对于良性疾病的非必要手术或治疗，假阳性的代价很高，此时精确率成为更重要的指标。在金融风控场景中，将正常交易误判为欺诈会造成用户体验损失和客服成本，因此欺诈检测系统在业务设计上通常对精确率有较高要求。

精确率-召回率曲线

精确率-召回率曲线（Precision-Recall Curve，简称 PR 曲线）是评估分类模型在不同阈值下性能的常用图形化工具。PR 曲线以召回率为横轴、精确率为纵轴，曲线上的每一点对应一个分类阈值。曲线从右上角（低阈值，高召回率、低精确率）延伸至左下角（高阈值，低召回率、高精确率）。曲线下方的面积（Area Under the PR Curve, AUPRC 或 AP）是评估模型整体性能的标量指标，值越大表明模型在所有阈值下的平均性能越好。

PR 曲线在类别不平衡问题中比ROC曲线（Receiver Operating Characteristic Curve）更具信息量。当正类样本极为稀少时（如欺诈检测中欺诈交易占比不足 1\%），ROC 曲线可能呈现过度乐观的假象——因为假正率的分母（真实负例数）极大，导致 FPR 始终很低；而 PR 曲线的分母直接包含假正例，能更真实地反映模型在少数类上的识别能力。Davis 和 Goadrich（2006）在理论上证明，在类别不平衡的数据集中，PR 曲线比 ROC 曲线更敏感地捕捉模型性能的差异。

多分类与信息检索中的精确率

在多分类（Multi-class Classification）问题中，精确率需要针对每个类别分别计算。常用的聚合方式包括：宏平均精确率（Macro-averaged Precision），即先计算每个类别的精确率再取算术平均，平等对待所有类别；微平均精确率（Micro-averaged Precision），即先汇总所有类别的 TP 和 FP 再计算全局精确率，对大类别更敏感；以及加权平均精确率（Weighted-averaged Precision），按各类别的样本比例为宏平均赋予权重。

在信息检索（Information Retrieval）领域，精确率是最基础的评价指标之一，常与召回率共同使用。典型应用包括：Precision@k（前 k 个检索结果中的精确率），衡量返回结果的前 k 条中有多少是相关的；平均精确率（Average Precision, AP），即对不同召回率水平上的精确率取平均，综合反映排序质量；以及平均精确率均值（Mean Average Precision, MAP），在多个查询上对 AP 取平均，是信息检索系统离线评估的经典指标。

精确率的局限性与注意事项

精确率虽直观易用，但在实际应用中需注意其局限性。

第一，精确率对先验概率（Prior Probability）敏感。当正类在总体中占比极低时，即使模型表现出较强的区分能力，精确率也可能因大量假正例而被拖低。因此在类别极不平衡的场景中，应结合PR曲线与F1分数综合判断，而非依赖单一精确率值。

第二，精确率不考虑假负例。一个将大部分正例错误分类为负例的模型（低召回率），只要其预测为正例的结果高度准确，仍可获得较高的精确率分数。单纯追求高精确率而不兼顾召回率，可能导致模型漏掉大量真实正例——这在医疗筛查、安全检测等场景中尤其危险。因此，精确率应始终与其对应的召回率一同报告。

第三，精确率对阈值选择高度敏感。在实际部署中，分类阈值的微小调整可能导致精确率的大幅波动。建议在模型评估时报告PR曲线的完整形态或不同阈值下的精确率区间，而非仅在默认阈值（通常为 0.5）下给出一个孤立的数值。

第四，在多分类或极端不平衡场景中，微平均精确率可能掩盖模型在少数类上的糟糕表现——例如在 1000:1 的不平衡数据中，仅预测全部样本为负类的"模型"仍可取得极高的微平均精确率。此时应优先使用宏平均或按类别分别报告精确率。

与统计决策理论的关系

从统计决策理论的角度看，精确率可被理解为给定模型预测为正类的条件下真实标签为正类的后验概率（Posterior Probability）的估计。设特征空间上的联合分布为 $P(X, Y)$，分类器的决策规则为 $h(X): \mathcal{X} \to \{0, 1\}$，则精确率对应于 $P(Y = 1 \mid h(X) = 1)$。若分类器输出的预测概率 $\hat{p}(X) = P(Y = 1 \mid X)$ 是校准良好的（well-calibrated），则在阈值为 c 时的精确率应近似等于所有被预测为正类的样本的平均预测概率。精确率与校准质量的关系在概率校准（Probability Calibration）文献中得到了系统讨论——DeGroot 和 Fienberg（1983）提出的可靠性图（Reliability Diagram）即通过将预测概率分箱并比较箱内平均预测概率与观测到的正例比例来评估校准程度。