模型测试指标项介绍：理解召回率、精确率与F1分数

在机器学习模型的评估中，召回率（Recall）、精确率（Precision）和F1分数（F1-Score） 是关键的性能指标。本文以**医疗影像AI模型（肺炎检测）**为例，详细介绍这些指标的计算方法、曲线分析及实际应用场景。

---

1. 基本概念：TP、TN、FP、FN

在二分类问题中，模型的预测结果可以分为以下四种情况：

指标	含义	医疗案例解释
TP（True Positive，真阳性）	模型预测为正类，实际为正类	病人是肺炎，系统正确诊断为肺炎
TN（True Negative，真阴性）	模型预测为负类，实际为负类	病人不是肺炎，系统正确诊断为非肺炎
FP（False Positive，假阳性）	模型预测为正类，实际为负类	病人不是肺炎，系统误诊为肺炎（误报）
FN（False Negative，假阴性）	模型预测为负类，实际为正类	病人是肺炎，系统漏诊为非肺炎（漏报）

---

2. 召回率（Recall）

定义

召回率（Recall，又称查全率）衡量的是模型能检测出多少真实的正类样本，计算公式为：

召回率-置信度曲线（Recall-Confidence Curve）

• 横轴（Confidence）：模型对预测结果的置信度（0.0~1.0）。
• 纵轴（Recall）：召回率（0.0~1.0）。

关键点分析：

• 当 置信度阈值=0.0 时，召回率=0.93（图中最高点）。
  • 含义：模型对所有样本都预测为“肺炎”，能检测出93%的真实肺炎患者。
  • 问题：误诊率（FP）极高，许多健康人会被错误归类。

适用场景：

• 疾病筛查（如新冠检测），宁可误诊也不能漏诊。

---

3. 精确率（Precision）

定义

精确率（Precision，又称查准率）衡量的是模型预测为正类的样本中有多少是正确的，计算公式为：

精确率-置信度曲线（Precision-Confidence Curve）

• 横轴（Confidence）：模型对预测结果的置信度（0.0~1.0）。
• 纵轴（Precision）：精确率（0.0~1.0）。

关键点分析：

• 当 置信度阈值=1.0 时，精确率=0.96（图中最高点）。
  • 含义：模型仅在100%确定时才诊断为肺炎，此时96%的预测是正确的。
  • 问题：漏诊率（FN）高，许多真实患者未被检测到。

适用场景：

• 高风险诊断（如癌症确诊），必须确保预测结果高度可靠。

---

4. F1分数（F1-Score）

定义

F1分数是精确率和召回率的调和平均数，用于综合评估模型性能，计算公式为：

F1-置信度曲线（F1-Confidence Curve）

• 横轴（Confidence）：模型对预测结果的置信度（0.0~1.0）。
• 纵轴（F1）：F1分数（0.0~1.0）。

关键点分析：

• 当 置信度阈值=0.334 时，F1=0.68（图中最佳点）。
  • 含义：此时模型在精确率和召回率之间取得最佳平衡。
  • 适用场景：普通医疗诊断，既不过于激进（高FP），也不过于保守（高FN）。

---

5. 如何选择最佳置信度阈值？

业务需求	推荐阈值	优先指标	案例
绝不能误诊（如癌症确诊）	高阈值（如0.8~1.0）	精确率	只有模型高度确信时才治疗，避免误诊。
绝不能漏诊（如传染病筛查）	低阈值（如0.0~0.3）	召回率	所有疑似病例均需检测，避免漏诊。
平衡误诊和漏诊	中阈值（如0.3~0.5）	F1分数	普通肺炎诊断，兼顾准确性和覆盖率。

---

6. 总结

• 召回率（Recall）：关注“不漏诊”，适用于筛查场景。
• 精确率（Precision）：关注“不误诊”，适用于高风险诊断。
• F1分数：平衡误诊和漏诊，适用于一般医疗决策。

在实际应用中，需根据业务需求调整置信度阈值，以优化模型性能。
平均精度均值（mAP）介绍:https://developer.baidu.com/article/details/3211523