MLP的精确率-召回率曲线异常：左端精确率为何约0.8而非1？

针对你遇到的PR曲线左端精确率约为0.8而非理论值1的问题，核心原因是该区间内模型预测为正样本的结果中存在假阳性（FP）样本，以下是具体的可能诱因：

• 置信度与预测类别的对应关系搞反：多数框架中，模型输出的高置信度对应正样本而非负样本。比如用sigmoid输出正样本概率时，阈值设得极高（接近1），只有模型判定“极可能是正样本”的样本才会被标记为正预测。若这些样本里混有实际为负的样本，精确率（TP/(TP+FP)）自然会低于1。你之前认为“置信度1对应负样本”的理解可能有误。

• 置信度计算逻辑异常：如果模型最后一层没有用sigmoid/softmax做概率归一化，直接用logits作为“置信度”，那么数值最大的输出不一定代表模型对类别的真实确信度。比如某些离群样本的logits可能异常偏高，被误判为高置信度正样本，但实际是负样本，导致FP出现。

• 数据集标注错误：若数据集中存在少量标注错误（比如实际为负样本却被标为正，或反之），当模型高置信度预测这些样本时，会产生FP或FN。在PR曲线左端（仅预测极少数正样本），哪怕几个FP就会大幅拉低精确率。

• PR曲线绘制逻辑错误：绘制曲线时若混淆了正/负类的定义，或错误地对置信度进行了反向排序（比如把低置信度样本排在前面），会导致起始区间的样本选择出错，出现不符合预期的精确率。

内容的提问来源于stack exchange，提问作者BenjaminLi