在日常工作中，很多人以为训练出一个机器学习模型就算大功告成。其实更关键的一步是评估——就像你买了一台新电脑，不能只看配置表，还得跑个分、试试实际使用才知好坏。在数据库应用场景中，模型好不好用，得靠评估指标来说话。
准确率不是万能钥匙
说到评估，很多人第一反应是准确率（Accuracy），也就是预测对的样本占总样本的比例。听起来挺直观，但在数据库场景里，这招常会翻车。比如你在做一个用户异常登录检测系统，99%的登录都是正常的，只有1%是异常。模型干脆全预测“正常”，准确率高达99%，看起来很美，但真正要抓的异常一个都没拦住。
查准率和查全率的平衡
这时候就得看查准率（Precision）和查全率（Recall）了。查准率关心的是：我标记为异常的那些，到底有多少是真的异常？查全率则问：所有真正的异常里，我抓住了多少？
举个例子，银行数据库每天要筛查几百笔可疑交易。如果查准率太低，风控人员每天得手动核查大量误报，效率低下；如果查全率太低，漏掉几笔真正的欺诈，损失就大了。所以这两个指标得一起看。
F1分数：两者的折中方案
为了兼顾查准率和查全率，F1分数应运而生。它是两者的调和平均数，特别适合类别不平衡的场景。比如下面这段代码，用 scikit-learn 计算 F1：
from sklearn.metrics import f1_score
y_true = [0, 1, 1, 0, 1]
y_pred = [0, 1, 0, 0, 1]
f1 = f1_score(y_true, y_pred)
print("F1 Score:", f1)在数据库日志分析、用户行为预测这类任务中，F1 分数比单纯看准确率更有参考价值。
ROC曲线与AUC值
有时候我们不只想看最终分类结果，还想了解模型“打分”的能力。比如一个反垃圾邮件系统，不仅要判断是不是垃圾邮件，还要给出一个置信度。这时候 ROC 曲线和 AUC 值就派上用场了。
AUC 值越接近1，说明模型区分正负样本的能力越强。在数据库中做用户流失预警时，AUC 能帮你比较不同模型哪个更能提前识别出可能离开的用户。
结合业务场景选指标
没有哪个指标是绝对最好的。在电商数据库中做推荐系统，可能更关注召回率——别让用户错过喜欢的商品；而在金融数据审核中，查准率更重要，宁可放过几个也要避免误伤正常客户。
实际部署前，把这些指标做成报表，和业务部门一起看，才能让模型真正落地用起来。