【原】准确率、精确率、召回率，困惑HR的考核指标在IT圈找到答案

一、从绩效考核说起

绩效考核，是很多人力资源从业者（HR）的噩梦。这在IT行业尤为突出。

我见过很多IT公司的HR，因为思考如何对程序员做考核，掉光了头发。直到他们回到劳动密集型企业，又重新长出了浓密的黑发。

很多HR在对程序员们做绩效考核宣讲的时候，都会面临舌战群狮、虎、豹、大象，最后无言以对，自残而退。

其实，他们纠结的问题基本上就是：质与量，到底该如何衡量和判断。

我觉得对程序员，就要用程序员的方式去考核。只有这样，才能做到无懈可击，令其信服。

下面我就来讲讲，程序员是如何给一套程序做“绩效考核”的。

他们给程序做考核时，也是有指标的。而这个指标，他们自己也很难找出漏洞，也会让他们左右为难。但是最终却有解决方案。

二、程序员的指标

假设程序员写了一个程序，要从一堆货物里面，识别出合格品和次品。

这个程序，做个不恰当的类比，就像是HR搞了一套考核指标，要从众多员工当中，筛选出优秀员工与普通员工。

首先，我们无法一眼就看出合格品和次品。就像员工脸上没有贴着“优秀”一样。所以，我们看到的样本基本是：打眼一瞧，都一样。

但是，它们又是有细微差别的，比如轮廓、颜色、大小、透明度等。我们正是靠这些多维度的特征，依照考核规则，来评判出是否合格。

这就好比我们有一副神奇的眼镜，戴上一看，样本是否合格，它们就显现出了原形。

当然，这是最终理想的状态。实际上，这个眼镜需要不断实施，反馈，调整。

于是，程序员就用右手，写了一个人工智能的程序。随后，又训练了一套模型，相当于制度的试运行。最终，这套程序可以把合格的样本，用蓝色的小圈，框出来。

我们从上帝视角看，红色的点代表合格，灰色代表不合格。其实，程序是不知道底牌的。

那我们看到，A圈识别的很对，圈中的样本代表合格，它都识别对了。B圈差点儿意思，将一些次品也识别成合格了。C圈整个完蛋，黑白颠倒，识别的所有合格，实际上全是次品（这种考核完全是逼优秀的人离职的节奏）。

2.1 T-F-P-N

这里面引入一套概念，因为后面要用到公式进行计算。

假如我们的程序识别出了一些合格的样本。那么，基本上分为这么两种情况。

第一，它识别对了。我们用T也就是true表示它成功了。这里面其实还分为两种情况：1、把实际上合格的，判定成了合格。这个判定的合格我们叫P,也就是positive。那么这类情况就是TP；2、判定为合格之外的那些样本，实际上它也真的不合格（Negative）。那这类也算是评对了，我们把这类叫做TN。

第二，它识别错了。我们用F也就是false表示它出错了。这里面其实也分为两种情况：1、把实际上不合格的，判定成了合格。那么这类情况就是FP；2、判定为合格之外的那些样本，实际上也有合格的，但是你没有识别出来，你认为它Negative，我们把这类叫做FN。

HR看到上面的TP、TN、FP、FN四种情况，骂骂咧咧地关了页面，走了。只剩下由程序员转行的HR，还在继续看。

2.2 准确率 Accuracy

程序员引入的第一个评判标准叫准确率。

准确率表示我猜对的占比。

比如，我在研发部评选优秀员工。所有的100名员工中，我评出来90个优秀，实际上这90个确实优秀。那么我这套考核的准确率就是100%。

准确率的公式是：Accuracy=(TP+TN)/(TP+TN+FP+FN)，表示预测正确的占总数的比重。

准确率这种指标，看起来无懈可击，非常完美。

但是，程序员并不这么认为。程序员觉得漏洞很大，很容易钻空子，而且极其不公平。

举个例子，假如有一套识别程序或者评价制度，它看谁都像是好人。而且，它又凑巧都遇到了好人。那么，局部来看，它的准确率指标，非常棒。但是，换一个角度，它居然很糟糕。

就像是我开发了一套识别癌症病人的程序，这个程序根本不思考，给谁检测都说没有。

那么，你说准确率高不高，非常高。但是，这真没什么用。患癌症的人数，100人中可能只有1例，它的作用就是要找出这1例，而不是那些健康的99例。

它虽然相对准确，但是绝对不精确。

因此，程序员又提出了第二个指标：精确率。

2.3 精确率 Precision

精确率，是用来保证不出错的。

比如审判，如果你没有足够的证据证明其有罪，那么就是无罪。不要求你处理多少案件，但凡处理一个，都要保证准确。这，就是高精确率。

精确率的公式就是：Precision=TP/(TP+FP)，表示预测正确的占预测数量的比重。

比如，总共有1000个样本，我预测了其中100个样本。这100个当中，99个预测对了，1个样本预测错了，那么精确率就是99%。它和准确率的区别就是，它要对每一个样本都负责，一个都不能错。

如果说高准确率，保证了集体的利益。那么，高精确率，保证了个体的利益。

但是，程序员发现，精确率虽然公平公正，但是漏洞更大。

举个例子，我预测了3个样本，这3个样本全都正确。带入公式Precision=TP/(TP+FP)计算就是：3/(3+0)=100%。这里面，我们看到一个小技巧。预测几个不重要，关键是要让FP等于0。一旦FP=0，精确率就恒为100%。

也就是说，高精确率虽然强调，要把每一件经手的事情干好，但是也有一个逻辑漏洞：干100件事和干1件事并不重要，不出错才重要。这可能会导致，少干才会少出错，而且拣着容易的活干也会少出错。

于是，为了解决上面的问题，程序员又想出一个指标：召回率。

2.4 召回率 Recall

这次我们先看召回率的公式：Recall=TP/(TP+FN)。

因为有了上面的经验，这次我们先找它的漏洞，只要让FN=0，这个召回率就会一直是100%。

那么，我们再回忆一下，FN代表什么？

“我们用F也就是false表示它出错了。判定为合格之外的那些样本，实际上也有合格的，但是你认为它不合格，判定了Negative，这类叫做FN。”

如何让FN等于零，那就是扩大检测范围。

因为公式是Recall=TP/(TP+FN)，里面并没有涉及FP和TN。

因此，只要扩大检测范围，哪怕存在误判的滥竽充数者FP，就会让FN=0，不会影响100%的召回率。

所以，召回率的精髓可以用一句话概括：“宁可错杀一千，绝不放走一个”。

这样就解决了那些少干活、拣活干的情况。因为，只有保证所有活都干了，才能提高召回率。

三、综合权衡

现在我们来总结一下，程序员使用的这些指标。

准确率提倡尽量把所有事情都干好，精确率要求尽量别在某一件事上出问题，召回率鼓励尽量别让任何一件小事掉在地上。

这可能就是你老板一直要求的：要多，要快，还要好，还得省。

尽管程序员很抵触这类要求，但是他们仍然会对自己的程序提这样的要求。

下面可能是我们期望的最终状态，每一个都被100%准确地识别出来。

而且，换一批样本，结果依然不受影响。

但是，根据我多年的活生生的生活经验，又便宜，质量又好，花5块钱买了，随时可以卖5万的商品，不好找。这一点，程序员也知道。

因此，需要一个权衡。

权衡的目的就是即不麻烦，又省成本，最后结果还大体满意。权衡和都要，最大的一个区别就是：权衡允许妥协。

有人说，权衡是中国几千年文化中的一个玄学问题。你把结果引向这里，属于说了一堆儿，但是又啥也没说。估计是想甩锅了。

并不是，程序员这里就不存在玄学问题（除了在我这里可以运行之外）。遇到玄学问题，你找他们讨论，必定会得出一个确定的结论，即便这个答案是“我也不知道”。他们从不会说上半个小时，而没有明确的态度。

对于权衡，程序员也是有一个公式的。

这个公式HR就不用懂了，程序员可以去了解一下。

大体意思就是，召回率高（干的多），必然会导致精确率低（出错多）。反之，干得少，出错也少。因此引入一个参数β用于调节决策结果。

如果β的取值大于1，则表示强调召回率。适合创业阶段，鼓励多干，先野蛮生长。

如果β的取值小于1，则表示强调精确率。适合守业阶段，鼓励干精，要稳打稳扎。

如果β的取值为1，则表示两者都强调。但是，你不能要求都是100%，也不能容忍都是50%。

这么看，程序员还是把决定权交给了使用者，他们只负责提供多种解决方案。

其实，如果大家有什么问题，可以问问身边的程序员。没准儿，他们会有解决方案。最起码，你多了一个看问题的角度。

我是IT男，带你从IT角度看世界。