分类模型评估中，准确率是最直观的指标，即预测正确的样本占比。但它在类别不均衡时极具误导性：若负样本占99%，模型全部预测为负也能获得99%的准确率，却毫无实用价值。
精确率回答“预测为正的样本中有多少真的是正”，召回率回答“真正的正样本中有多少被找出来”。二者此消彼长，提高阈值通常提升精确率、降低召回率，需要根据业务场景权衡。
场景决定取舍：垃圾邮件过滤宁可错杀不可放过，偏向高精确率；疾病筛查宁可误报不可漏诊，偏向高召回率；推荐系统召回阶段追求高召回，排序阶段追求高精确。
F1分数是精确率与召回率的调和平均，适合需要平衡二者的场景。但F1隐含认为两者同等重要，若业务代价不对称，应使用带权重的Fβ分数或直接构建代价敏感评估。
混淆矩阵是所有二分类指标的基础，建议在报告中同时给出TP、FP、TN、FN四个计数，让读者能自行换算任意指标。只报单一数字往往掩盖了错误的分布结构。
