关于机器学习中查准率与查全率（召回率）矛盾关系的探讨

昨天和舍友讨论查准率和查全率，很多资料中指出之所以需要F1值的原因在于准确率与召回率的关系是矛盾的，即查准率高的查全率低，查全率高的查准率低。因此需要F1值综合度量。

但关于为什么两者的关系是矛盾的，一直不太理解，现在看过帖子后总结一些想法：

首先看混淆矩阵与查准率查全率的定义

查准率代表预测为真的样本中有多少确实为真，（最好一找一个准）

查全率代表样本中所有为真的样本有多少被找出来了（最好把真的全找出来）

从逻辑上来理解矛盾关系：要想做到查全，势必要对查找范围和限制逐步放宽，也就是无脑找，总会找到所有的，而这样的结果是会把很多不相关的样本也找出来，影响了查准率。

下面从数学的角度简单证明二者的矛盾关系：

查全率R = TP/(TP+FN)

在这个公式中，分母TP+FN是样本中所有的正例（P），这个数量是不会变的，一直存在的。

现在要想提高查全率，只能增大TP，也就是要把样本中更多的样本预测为真（T)，这个增大TP的过程，同时也会使FP跟着增大（因为要把更多的样本预测为真，但我们不知道真实标签，只能无脑预测为T）。

这时候，有查准率公式，P = TP/(TP+FP),可知，分母提高的要比分子多，故查准率P降低。

这样就简单证明了矛盾关系。