在类别不平衡的场景里，准确率往往具有欺骗性。比如正样本只占百分之一，模型全预测为负也能拿到百分之九十九的准确率，但这样的模型毫无用处。评估必须引入召回率、精确率等更细的指标。
召回率衡量正样本被找出来的比例，精确率衡量预测为正的样本里真正为正的比例。二者通常此消彼长，阈值调高精确率上升召回率下降，反之亦然。业务要按代价权衡取舍。
F1 值是精确率和召回率的调和平均，适合需要兼顾两者的场景。但调和平均对低值敏感，若业务更看重召回，可以用 F-beta 调整权重，beta 大于一偏向召回。
除了单点指标，还要看 PR 曲线和 ROC 曲线。不平衡数据下 PR 曲线更能反映真实表现，ROC 的 AUC 在极端不平衡时可能虚高，不能单独作为决策依据。
最终评估要贴近业务：把指标映射到实际成本，比如漏检一次损失多少、误报一次成本多少，用期望收益做阈值选择，比单纯追求某个指标更有意义。
