查准率、查全率、F1的关系,以及样本不均衡对指标的影响
哪些公司问过
答案要点
- Precision = TP/(TP+FP),Recall = TP/(TP+FN)
- F1 = 2PR/(P+R),调和平均,两者都高才高
- 降低阈值 Recall 升、Precision 降,按业务代价选择
- 样本不均衡时 Accuracy 被多数类主导而虚高
- 不均衡场景看 F1、PR 曲线,并配合混淆矩阵和交叉验证
易错点
- 把 Precision 和 Recall 的分母记反
- 不均衡数据上用 Accuracy 评价模型
- 以为 F1 是算术平均
面试官常见追问
- 数据不均衡时,ROC-AUC 和 PR-AUC 哪个更合适?
- 多分类怎么算 F1?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。