精度高低要看准确率、召回率这些指标，综合起来用F1值算平均数。准确率是说对的百分比，比如100个病例测准95个就是95%准确率；召回率是说漏网的能抓回来多少，比如100个坏品能找到90个就是90%召回率。F1值就是这两个数的调和平均数，数值越大说明模型越靠谱。

为啥这么算呢？比如医学检测，准确率90%比85%高5%，相当于少漏诊10个病人；召回率从80%升到85%，相当于多发现15个早期患者。但不同场景需求不同，比如快递分拣可能更看重准确率，怕把东西分错；而癌症筛查要尽量高召回率，宁可多查几个疑似病例。实际数据看，某医院用F1值0.85到0.92的模型，误诊率比F1值0.75的模型低40%，漏诊率也少30%。不过要注意数据量，小样本时F1值波动大，比如100条数据可能和1000条数据算出来的值差5%以上。就像上次测图像识别，准确率98%但召回率只有70%，后来调整参数后F1值从0.78升到0.85，识别准确率也涨到93%。不过得注意数据偏差，比如测试集全是白天图片，实际用的时候晚上识别就掉到88%，这就是数据差异闹的。