一句话定义
精确率（Precision）回答"你说是的里面有多少是对的"，召回率（Recall）回答"真正是的里面你找出来多少"，F1 是两者的调和平均，用一个数字概括这对互相拉扯的指标。
用一组数字看明白
1000 封邮件里，实际有 100 封是垃圾邮件。模型标出了 80 封，其中 60 封确实是垃圾：剩下 20 封是误伤的正常邮件，同时有 40 封垃圾邮件被放过了。
- 精确率 = 60 / 80 = 75%。分母是"模型说是的"，衡量判得准不准。
- 召回率 = 60 / 100 = 60%。分母是"实际是的"，衡量漏没漏。
- F1 = 2 × 0.75 × 0.60 / (0.75 + 0.60) ≈ 0.67。两边都高，F1 才高；一边高一边低，F1 会被拉下来。
打个比方
医院筛查一种病，1000 人里真有 10 人患病。把可疑的人全叫来复查，召回率高，但会有一堆健康人被误报；只挑最有把握的 2 个人复查，精确率高，却漏掉 8 个病人。你不可能同时把两个都拉满。
和准确率（Accuracy）的区别
准确率看整体答对了多少。上面 1000 封邮件，如果模型全部判成"不是垃圾"，准确率仍有 90%，但一封垃圾邮件都没抓住，召回率为 0。类别极不平衡时，准确率会骗人。
| 指标 | 关注的问题 | 分母 | 提高它的代价 |
|---|---|---|---|
| 精确率 | 说是的里面有多少是真的 | 模型判为正的样本 | 判得更保守，可能漏更多 |
| 召回率 | 真正是的里面找出多少 | 实际为正的样本 | 判得更大胆，可能误报更多 |
| F1 | 两边是否均衡 | — | 任一方偏低都会被拉下来 |
对实际工作的意义
先问一句：哪种错误更贵？垃圾邮件过滤误杀重要邮件代价高，优先保精确率；疾病筛查、风控预警漏掉一个代价高，优先保召回率。两边都要兼顾、又需要一个数字汇报时，才用 F1。
多数模型可以通过调分类阈值（Threshold）在两者之间移动：阈值调低，召回率上升、精确率下降，反之亦然。所以别只盯一个数字，把精确率、召回率和阈值放在一起看。至于多分类下各指标如何平均、边界情况怎么算，以所用框架的官方文档为准。