在机器学习的分类问题中，分类报告中的精确率和召回率哪一个更重要，以获得更好的模型？

回答：

实际上，这取决于你的分类问题。

首先，你需要理解精确率和召回率之间的区别。维基百科可能是一个好的开始，但我建议参考 developers.google 提供的资源。

现在假设你正在使用分类器追踪新冠病例。分类器会告诉你病人是否携带新冠病毒。

你更感兴趣的是：

A) 识别出所有可能的新冠病例？

B) 确保你识别出的新冠病例确实是真实的新冠病例？

如果A)更重要，你应该关注召回率。另一方面，如果你更关注B)，那么精确率可能是你要找的。

但是请注意：

假设你正在测试 1000 个可能的病例，假设其中 500 个是阳性，我们还不知道。你使用分类器，它告诉你所有 1000 人都为阳性。

那么你有：

true_positives = 500

false_negatives = 0

recall = true_positives / (true_positives + false_negatives)

recall = 500 / (500 + 0) = 1

所以这里你有很好的召回率，但你的精确度和准确度都不高。

我想表达的是，不应该只关注一个指标而忽视另一个，而应始终保持对问题的全面视角。

然而，如果你想关注一个指标来总结精确率和召回率，那就是 F 分数 存在的目的。