准确率是最直觉的评估指标，正确预测数除以总数。但它在类别极不均衡时会严重误导。比如一千个样本里只有十个正例，模型全猜负例，准确率仍有百分之九十九，却一个正例都没抓到。
这时要看精确率和召回率。精确率衡量抓出来的有多少是真的，召回率衡量真的里面抓到了多少。两者常此消彼长，调节判定阈值就能在两者间取舍。
F1 分数是精确率和召回率的调和平均，适合需要平衡两者的场景。但业务目标不同，侧重也不同：垃圾邮件过滤更怕误杀，疾病筛查更怕漏诊，选择指标要贴合代价。
评估前先想清楚：哪类错误代价更高？数据分布是否均衡？只看一个数字很容易被带偏，多指标结合业务判断才靠谱。
