分类排序里的 AP 怎么算：别把阶梯加权换成梯形面积

昨天 2阅读

同一批分类预测，两个评测脚本都说自己在算“PR曲线下面积”，数字却对不上。先别归因于浮点误差：一个可能计算非插值平均精确率AP，另一个把曲线点用直线连接后做梯形积分。把五条记录列出来，差别就能追到每一次阈值变化。

AI生成的概念示意图：排序卡片随阈值进入候选，部分卡片并列；阶梯与位置不代表真实评测曲线。

从分数排序开始留下每一个分母

五条记录按分数从高到低为0.9、0.8、0.7、0.6、0.5，真实标签依次为1、0、1、0、1。共有三个正例。阈值逐步降低，每纳入一条，就计算精确率“已纳入的正例数除以已纳入总数”与召回率“已纳入的正例数除以三个正例”。

五个位置的精确率分别是1、1/2、2/3、1/2、3/5；召回率分别是1/3、1/3、2/3、2/3、1。第二和第四条是负例，加入它们会改变精确率，但召回率没有增加。

按scikit-learn文档中的定义，AP把每个阈值的精确率乘以本次召回增量，再求和。这里只有三个正例位置产生各1/3的增量，因此AP=(1+2/3+3/5)/3=34/45，约0.755556。

对不存在并列分数的二分类排序，这也等于各正例所在位置的精确率平均值。分母是正例总数，不是五条记录的总数。把五个精确率一股脑取均值，会让不增加召回的负例位置也获得权重，算出另一个指标。

若把相邻PR点用直线连接，包含召回为0时精确率为1的惯例端点，再做梯形积分，本例得到32/45，约0.711111。两者差异不是四舍五入。插值方式改变了点与点之间怎样计面积，而且不能假定梯形法在每份数据上都固定高于AP。

再把第二条负例的分数从0.8改成0.9，让它与第一条正例并列。降到阈值0.9时两条一起进入，精确率为1/2、召回率为1/3。随后两个正例位置的精确率仍为2/3与3/5，AP变成(1/2+2/3+3/5)/3=53/90，约0.588889。

若先按记录ID把这个并列组拆开，恰好让正例排前，再套用逐条正例平均，可能错误得到原来的0.755556。模型没有给出组内优先次序，评测代码不能借真实标签替它选择有利排序。验收时应打乱并列组的输入行序，确认分数保持不变。

可以请AI输出“每个不同阈值、该组新增正负例数、累计精确率、召回增量与AP贡献”，最后与库函数逐项对照。再对所有分数施加严格递增变换，比如平方本例的非负分数；排序和并列关系不变，AP也应不变，但概率校准含义可能已经改变。

检测任务里的AP还可能先按交并比匹配目标，再采用插值或多个阈值平均；多类别任务也涉及宏平均、微平均或类别权重。不能只看到“AP”三个字就拿本文数字去对比另一协议。报告需写清正类、样本集合、并列规则、权重以及库版本。

最后，AP评价的是整段排序表现，不直接替你选部署阈值。若实际只允许人工复核前十条，还应单独看那个工作点的精确率和召回率。把总排序指标与实际使用位置并列记录，才能解释一次模型更新究竟改善了哪里。

资料核对日期：2026年10月3日。本文数值为原创教学设定，已用本地程序复算，未进行真实网络训练或生产效果测试。