想象你是星光中学的班主任林老师。学期末，你手里不是一张总成绩单，而是每个同学的“全科达标清单”：语文、数学、英语、美术、科学、体育，每门课都有一栏“优秀/不优秀”。有的同学两门优秀，有的同学五门优秀——这就是多标签样本。现在学校引入了一套 AI 辅助评估系统，它会给每门课程输出一个“达到优秀”的分数。你真正关心的问题只有两个：第一，如果按这个分数从高往低排，真正优秀的同学是不是总排在最前面（排序质量）？第二，如果按分数划一条及格线，系统到底把多少科目的“优秀/不优秀”判断错了（误标比例）？第一个问题，由 mAP（平均精度均值）来回答；第二个问题，由 Hamming Loss（汉明损失）来回答。这篇指南会从原理、公式、对比到实战，把这两个指标给你讲得透透的。

岗位关联

学会 mAP 和 Hamming Loss，你就能在多标签分类——图像打标、文本打标、标签推荐这类工业场景中，用最恰当的语言汇报模型到底好在哪、差在哪，让评估结论真正可复现、可比较、可决策。

目录
  1. 可视化演示
  2. 多标签场景
  3. mAP原理
  4. mAP计算
  5. HammingLoss
  6. 两者对比
  7. 指标区别
  8. 实战选型
  9. AI 应用场景
  10. Python 演示
  11. 常见误区
  12. 面试题

可视化演示

展示mAP平均精度均值排序质量评估、Hamming Loss误标率计算、两者互补关系及与其他指标对比，交互式理解多标签分类核心评估指标。

本节配有交互动效（进入视口后自动加载，约 3KB）。

mAP：排序质量的核心指标 对每个标签独立计算AP，衡量正例在排序中的位置 mAP=所有标签AP的均值，越高越好 mAP = mean(AP_1, AP_2, ..., AP_L) mAP评估排序判别力，不依赖阈值。

多标签场景

林老师以前评“三好学生”只看总成绩一个数，那是二分类。现在要评“哪几科达到优秀”，问题就变成了多标签：每个同学可以同时拥有多个科目标签，而且这些标签不互斥。一个同学可能语文和美术都优秀，另一个可能体育单科突出——标签之间不再是“单选”，而是一张可以多选的全科清单。既然是清单，就不能再用“总分排序”的思路简单评好坏，需要单独看待每一门课。

技术上的多标签分类，就是每个样本的标签不再是一个类别下标，而是一个长度为 L 的 0/1 向量：1 表示该样本具备这个标签，0 表示不具备。评估这样的模型时，传统的“预测正确率”不够用——因为你无法回答“一半科目对、一半科目错”时算对还是错。于是业界把指标分成两类：一类看排序，一类看硬标记。mAP 属于前者，Hamming Loss 属于后者。

回到林老师的场景：你手里是一张 0/1 组成的清单，而不是单个分数。接下来要回答的，就是这份清单该怎么打分。

yi=[yi1,yi2,…,yiL],yij∈{0,1}\mathbf{y}_i = [y_{i1}, y_{i2}, \dots, y_{iL}], \quad y_{ij} \in \{0,1\}
这个公式就是在说：第 i 个样本的标签，是一串由 0 和 1 组成的小格子。
  1. 样本标签向量把每个样本的 L 门课达标情况写成一个向量。
    yi=[yi1,yi2,…,yiL]\mathbf{y}_i = [y_{i1}, y_{i2}, \dots, y_{iL}]
  2. 0/1 取值约束每个元素只能取 0 或 1，代表“不优秀”或“优秀”。
    yij∈{0,1}y_{ij} \in \{0,1\}
  3. 多个标签共存同一向量中可以有多个 1，多标签的“多”就在这里体现。
    yi≠one-hot vector\mathbf{y}_i \neq \text{one-hot vector}

mAP原理

假设林老师想评语文这一门课，她把全班同学按“AI 预测的语文优秀概率”从高到低排成一列。排在最前面的未必真的优秀，但她希望真正优秀的人尽量靠前。怎么量化“尽量靠前”？逐个人望去，只要看到一位真实优秀者，就记录下“到这位同学为止，优秀率是多少”，最后把这些优秀率平均。这就是“单标签平均精度”（AP）。

AP 的计算里有两个关键角色：一个是“当前排到这个位置为止的精度” P(k)，另一个是“这个位置的人到底是不是真实优秀” rel(k)。把这两个量在每一个位置相乘再求和，就是 AP。它回答的是：对于这一门课，模型的排序有没有把“真优等生”放在前排。

如果说语文是单门课，那 mAP 就是把语文、数学、英语等每门课的 AP 汇总成一张总成绩单。下一节看它怎么汇总。

AP=∑k=1nP(k)⋅rel(k)∑k=1nrel(k)\mathrm{AP} = \frac{\sum_{k=1}^{n} P(k) \cdot \mathrm{rel}(k)}{\sum_{k=1}^{n} \mathrm{rel}(k)}
AP 的意义是：真实优秀者越靠前，这个值越高；最高为 1，表示所有优等生都被排到了最前面。
  1. 排序位置 k把样本按置信度从高到低排列，k 表示第几个位置。
    k=1,2,…,nk = 1, 2, \dots, n
  2. 位置精度 P(k)前 k 个样本中，真实优秀者所占的比例。
    P(k)=前k个中真实正类数kP(k) = \frac{\text{前k个中真实正类数}}{k}
  3. 相关指示 rel(k)第 k 个样本是否为真实优秀者，是则为 1，否则为 0。
    rel(k)∈{0,1}\mathrm{rel}(k) \in \{0,1\}
  4. 归一化把累加结果除以真实正类总数，避免正类多的人天然更高分。
    分母=∑k=1nrel(k)\text{分母} = \sum_{k=1}^{n} \mathrm{rel}(k)

mAP计算

林老师给每门课都排了一次队，每门课都算出一个 AP。现在要把这些 AP 合起来。最简单、也最常用的做法，是直接对所有课程的 AP 取平均——这就是“平均精度均值”（Mean Average Precision）。

mAP 是一种宏平均（macro average）：它先把每个标签当成一个独立的评估问题，各算各的 AP，再等权平均。这样不会被出现频率高的标签主导，每一个标签在总评里都有发言权。这一点在标签多、分布不均匀的实际系统里尤其重要。

林老师会心一笑：每门课单独排名，最后把排名质量平均成一张总表。mAP 高，说明整体上“真优秀者总能排前面”。但它不回答“硬划及格线会错多少”，那是 Hamming Loss 的舞台。

mAP=1L∑j=1LAPj\mathrm{mAP} = \frac{1}{L} \sum_{j=1}^{L} \mathrm{AP}_j
mAP 把每个标签的 AP 一视同仁地平均在一起，体现的是“平均意义上每个标签的排序质量”。
  1. 标签总数 L多标签任务中总共有多少个标签。
    L=标签个数L = \text{标签个数}
  2. 每个标签的 AP第 j 个标签单独算出的平均精度。
    APj=∑kPj(k)⋅relj(k)∑krelj(k)\mathrm{AP}_j = \frac{\sum_k P_j(k) \cdot \mathrm{rel}_j(k)}{\sum_k \mathrm{rel}_j(k)}
  3. 等权平均对所有 AP 求和再除以 L，不按样本占比加权。
    mAP=1L∑j=1LAPj\mathrm{mAP} = \frac{1}{L} \sum_{j=1}^{L} \mathrm{AP}_j

HammingLoss

现在换一个角度。林老师不只关心排名，她还要直接给每个同学每门课盖一个“优秀/不优秀”的章。AI 系统会根据某个阈值给出硬判断，她拿这份硬判断和真实情况逐格对比：预测是优秀、实际不优秀，这叫误报；预测不优秀、实际优秀，这叫漏报。误报和漏报都是“误标”，每误标一个格子就记一次错。把所有误标格子加起来，除以总的格子数（人数×科目数），就是 Hamming Loss。

Hamming Loss 不像排序指标那样关心谁在前谁在后，它只关心硬标签打得对不对。它还有一个特点：把每个标签独立看待。一个样本即使错了很多标签，贡献也就是“错的格子数/总格子数”，不会因为一个样本全错就让整个评估崩盘。所以它是一个温和而直观的“误标比例”。

在星光中学，Hamming Loss 低的班级管理比较省心：AI 不会把太多同学贴错标签。但林老师也明白，只是误标少，不代表排名做得好——鱼与熊掌要分开看。

HL=1N⋅L∑i=1N∑j=1L1[yij≠y^ij]\mathrm{HL} = \frac{1}{N \cdot L} \sum_{i=1}^{N} \sum_{j=1}^{L} \mathbb{1}[y_{ij} \neq \hat{y}_{ij}]
Hamming Loss 就是“所有判断格子中，被标错的比例”，越低越好。
  1. 指示函数当预测和真实不一致时取 1，一致时取 0。
    1[yij≠y^ij]\mathbb{1}[y_{ij} \neq \hat{y}_{ij}]
  2. 双重求和先对每个样本的每个标签逐格检查，把错误数累加。
    ∑i=1N∑j=1L1[⋅]\sum_{i=1}^{N} \sum_{j=1}^{L} \mathbb{1}[\cdot]
  3. 分母归一化除以所有样本数与标签数的乘积，得到 0 到 1 之间的比例。
    1N⋅L\frac{1}{N \cdot L}

两者对比

林老师把两张报告并排放在桌上。左边是 mAP 报告：每门课排好队，看优等生是否靠前；右边是 Hamming Loss 报告：数一数硬标记错了多少格。一个看排序质量，一个看硬标记正确率，它们不是彼此的替代品。

两者的第一个区别，是 mAP 不需要指定阈值，它只看相对顺序；而 Hamming Loss 必须先有 0/1 硬标签，所以阈值选择会直接影响结果。第二个区别是敏感性：mAP 对“排序靠前的错误”特别敏感，一个优等生被排到很后面就会显著拉低分数；Hamming Loss 对所有格子的错误一视同仁，不看位置。

一张报告管“排得怎么样”，一张管“标得对不对”。做检索、推荐这类看重排序的系统，盯 mAP；做质检、审核这类要拍板“过/不过”的系统，盯 Hamming Loss。

mAP→1,HL→0\mathrm{mAP} \to 1,\quad \mathrm{HL} \to 0
两个指标的目标方向截然相反：mAP 越高越好，Hamming Loss 越低越好。
  1. mAP 方向逼近 1 表示排序几乎完美，真优等生全在前排。
    mAP=1  ⟺  全部正类排在全部负类之前\mathrm{mAP} = 1 \iff \text{全部正类排在全部负类之前}
  2. HL 方向逼近 0 表示几乎没有误标。
    HL=0  ⟺  所有硬判断与真实完全一致\mathrm{HL} = 0 \iff \text{所有硬判断与真实完全一致}
  3. 互补关系排序好不能保证硬标错率低，选阈值就像选及格线，划错位置就会误标。
    mAP高⇏HL低\text{mAP高} \nRightarrow \text{HL低}

指标区别

多标签评估里还有其他常客，最容易搞混的是子集准确率、宏平均 F1 和微平均 F1。子集准确率（Exact Match Ratio）最严厉：它要求一个样本的全部标签与预测完全一致，只要有 1 个标签不同，整个样本就算错。在一个 20 标签的问题里，错一个就全军覆没，这比 Hamming Loss 苛刻得多。

宏平均 F1 先对每个标签分别算精确率和召回率，得到各自的 F1，再对所有标签平均；微平均 F1 则把所有标签的预测结果合并成一张大表，全局统计 TP、FP、FN 后再算 F1。宏平均让稀有标签和常见标签平起平坐，微平均更偏向样本量大的标签。它们都要先有硬预测，而 mAP 只需要置信度排序。

选指标就像选考试规则：mAP 看排名，Hamming Loss 数错题，子集准确率要求门门满分，宏/微 F1 各有权衡。没有绝对好坏，只有适不适合当前任务。

EMR=1N∑i=1N1[yi=y^i]\mathrm{EMR} = \frac{1}{N} \sum_{i=1}^{N} \mathbb{1}[\mathbf{y}_i = \hat{\mathbf{y}}_i]
子集准确率是“全科完全一致才算对”，典型的一票否决制。
  1. 整体相等判断要求整个标签向量完全相等。
    yi=y^i\mathbf{y}_i = \hat{\mathbf{y}}_i
  2. 样本级指标对每个样本只取 0 或 1，不用逐标签计数。
    1[⋅]\mathbb{1}[\cdot]
  3. 平均对全部样本取平均，得到完全匹配的比例。
    1N∑i=1N\frac{1}{N} \sum_{i=1}^{N}

实战选型

到了期末，林老师要根据不同目的选择不同指标。如果是给市里推荐“全科优秀生”，需要按推荐名单排序，那就用 mAP；如果是审核成绩单上每个科目章盖得对不对，用 Hamming Loss；如果奖学金只发给每科都完全达标的同学，就查子集准确率。一个成熟的多标签项目，常常同时报告多个指标。

实践中有两个注意点。第一，mAP 需要的是模型对每个标签输出的置信度分数，而不是硬标签；如果模型只输出 0/1，就必须先把概率分数取出来。第二，Hamming Loss 对类别不平衡比较敏感：当 99% 的标签都是 0 时，一个全预测 0 的模型 Hamming Loss 会很低，但毫无实用价值。所以还要结合正例召回率一起看。

理解了这些指标的分工，就不再怕“老板问模型到底好不好”这类问题：先问清目标，再选对尺子。

y^ij=1[sij≥τ]\hat{y}_{ij} = \mathbb{1}[s_{ij} \geq \tau]
这条公式把模型输出的分数转化为硬标签，是计算 Hamming Loss 前必经的一步。
  1. 置信度分数模型对第 i 个样本在第 j 个标签上的输出分数。
    sij∈[0,1]s_{ij} \in [0,1]
  2. 阈值比较分数达到阈值 τ 才判为正类。
    1[sij≥τ]\mathbb{1}[s_{ij} \geq \tau]
  3. 阈值影响τ 越大，正类越少；τ 越小，正类越多，直接影响 Hamming Loss。
    y^ij=1  ⟺  sij≥τ\hat{y}_{ij} = 1 \iff s_{ij} \geq \tau

AI 应用场景

电商多标签图像检索

阶段：模型评估与排序优化

解决的问题：电商平台想搜“白色连衣裙”时，返回结果需要同时满足类别和属性两个标签。传统做法只看单个标签的准确率，无法反映“白色且裙子”的商品是否真的排在前面。用 mAP 评估排序质量，模型优化就有了明确指挥棒。

具体案例：某服装电商把“类别”（上衣、裤装）和“属性”（白色、夏季）共 200 多个标签建模成多标签任务。算法团队每天用 mAP 对比新老模型，mAP 从 0.72 提到 0.81 后，搜索结果前 20 条的点击率提升了 18%。

多主题文本分类平台

阶段：模型评估与上线监控

解决的问题：一篇新闻可能同时属于“科技”“财经”两个主题，人工审核时最怕模型贴错标签。Hamming Loss 能实时反映硬标签的误标比例，让运营人员一眼判断模型是否发癫。

具体案例：某内容平台新闻分类系统上线后，每天用 Hamming Loss 做质量监控。某次新版本标签预测抖动，Hamming Loss 从 0.06 升到 0.11，监控立刻告警，运营发现是训练数据里“体育”和“电竞”标签互相污染，及时修正了回滚。

短视频标签推荐

阶段：候选召回与推荐评估

解决的问题：给用户推荐订阅标签时，系统先按兴趣分数给数百个候选标签排序，再决定推荐哪些。排序质量差，用户看到的就是一堆不相关标签；硬标签又判错了，推荐就彻底跑偏。mAP 和 Hamming Loss 正好一前一后守好这两道关卡。

具体案例：某短视频 App 的标签推荐系统，用 mAP 评估候选排序、用 Hamming Loss 评估最终勾选标签。联动优化后，用户点击订阅标签的转化率提升了 12%。

Python 演示

python57 行
import numpy as np def average_precision(y_true, y_score):    order = np.argsort(-y_score)    y_sorted = y_true[order]    hits = 0    sum_precision = 0.0    for k, label in enumerate(y_sorted, start=1):        if label == 1:            hits += 1            sum_precision += hits / k    if hits == 0:        return 0.0    return sum_precision / hits  def mean_average_precision(Y_true, Y_score):    ap_list = []    for j in range(Y_true.shape[1]):        ap_list.append(average_precision(Y_true[:, j], Y_score[:, j]))    return float(np.mean(ap_list))  def hamming_loss(Y_true, Y_pred):    diff = np.sum(Y_true != Y_pred)    total = Y_true.shape[0] * Y_true.shape[1]    return float(diff / total)  if __name__ == "__main__":    # 8个样本、4个标签的多标签真实情况(0/1)    Y_true = np.array([        [1, 0, 1, 0],        [0, 1, 0, 1],        [1, 1, 0, 0],        [0, 0, 1, 1],        [1, 0, 0, 1],        [0, 1, 1, 0],        [1, 1, 1, 0],        [0, 0, 0, 1],    ])    # 模型给出的置信度分数(可排序即可,算mAP不需要阈值)    Y_score = np.array([        [0.82, 0.15, 0.76, 0.12],        [0.10, 0.65, 0.20, 0.88],        [0.92, 0.71, 0.13, 0.30],        [0.22, 0.09, 0.61, 0.94],        [0.70, 0.28, 0.18, 0.82],        [0.08, 0.55, 0.73, 0.16],        [0.66, 0.88, 0.45, 0.03],        [0.14, 0.21, 0.10, 0.96],    ])    # 用0.5阈值转成硬标签,才能算Hamming Loss    Y_pred = (Y_score >= 0.5).astype(int)     print("mAP = %.4f" % mean_average_precision(Y_true, Y_score))    print("Hamming Loss = %.4f" % hamming_loss(Y_true, Y_pred))
目的：用纯 NumPy 实现 mAP 与 Hamming Loss，演示多标签评估的完整计算流程。
  1. order = np.argsort(-y_score)把分数从高到低排序，取到降序索引。
  2. y_sorted = y_true[order]按排序后的索引取出真实标签，方便逐位置检查。
  3. hits += 1; sum_precision += hits / k遇到真实正类时，累加当前位置的精度。
  4. return sum_precision / hits除以真实正类总数，得到单个标签的 AP。
  5. for j in range(Y_true.shape[1])对每个标签分别计算 AP。
  6. ap_list.append(average_precision(...))收集每个标签的 AP。
  7. diff = np.sum(Y_true != Y_pred)逐格对比硬标签，统计误标格子数。
  8. Y_pred = (Y_score >= 0.5).astype(int)用阈值 0.5 把概率分数变成硬标签。

常见误区

误区很多初学者看到“平均精度均值”就认为，mAP 等于把所有样本上预测正确的比例平均一下。老师评作业怎么算平均分，mAP 就该怎么算。

正解mAP 完全不是这个意思。它先把样本按置信度从高到低排序，再看真实正类有没有排前面。它不问“你打了多少分的及格线”，只问“真正优秀的人在不在榜单前排”。哪怕模型输出的分数绝对值都不准，只要相对顺序好，mAP 也可能很高。

为何常见：“平均精度”四个字里既有“平均”又有“精度”，望文生义很容易和分类准确率混在一起，忽略了排序这个核心操作。

误区既然 Hamming Loss 是误标比例，那越低就说明模型越强。模型报告里 Hamming Loss 0.01，肯定比 0.05 好。

正解在多标签任务里，标签通常很稀疏，很多样本的大多数标签都是 0。如果一个模型对所有标签都预测 0，那么它只在那些真实标签恰好为 0 的地方正确，Hamming Loss 可能非常低，但它一个正类都找不出来，没有任何实用价值。评估时必须结合正例的召回率、F1 等指标一起看。

为何常见：“损失越小越好”是机器学习里的通用直觉，但 Hamming Loss 对“全猜负”这种保守策略没有惩罚，初学多标签时很容易踩坑。

误区有人觉得多标签分类的准确率，就是把每个样本的标签对一部分就记一分，最后平均，这跟子集准确率差不多。

正解子集准确率要求整个标签向量和预测完全一致，一个标签差异都不允许，在多标签问题上极其苛刻。比如 20 个标签里错 1 个，这个样本就是 0 分。而 Hamming Loss、F1 这类指标允许部分正确，能给模型更细腻的反馈。

为何常见：多分类时代“预测对了就是 accuracy”的心智模型太根深蒂固，没意识到多标签的标签组合数量是指数级，完全匹配非常罕见。

误区mAP 和 ROC-AUC 都是排序指标，既然都看排序，那用哪个都行，何必区分。

正解mAP 对排序靠前位置的错误非常敏感，一个真实正类被排到后排会让分数明显下降，适合强调“前排质量”的推荐、检索场景；ROC-AUC 评估的是全排序上“随机正类排到随机负类前面的概率”，对类别不平衡更稳健。二者侧重点完全不同，不能随意互换。

为何常见：两者都依赖排序而不依赖阈值，这个共同点容易让人忽略它们在“前排敏感性”和“整体排序”之间的差异。

误区有人把 Hamming Loss 误解为“模型多贴标签的比例”，觉得只有把不该打的标签打上才算误标。

正解Hamming Loss 统计的是预测与真实不一致的全部情况，既包括预测为 1、真实为 0（误报），也包括预测为 0、真实为 1（漏报）。老师说“这个同学其实优秀但你判成不优秀”，同样也是一次误判。

为何常见：“误标”两个字听起来像“误报”，而误报在医学、风控等领域更常被讨论，容易让人忽略漏报这个对称的错误方向。

面试题

Q1. mAP 的核心评估对象是什么？

单选题 · easy

  • A.预测的排序质量← 正确答案
  • B.预测的绝对准确率
  • C.标签之间的相关性
  • D.训练收敛的速度

答案：A。mAP 把样本按置信度降序排列，考察真实正类是否排得靠前，本质上是排序质量。它不关心阈值的绝对正确率，也不衡量标签相关性或训练速度。就像老师看优秀学生有没有排在前列，而不是看总分划得准不准。

Q2. 在 AP 计算中，rel(k) 表示什么？

单选题 · easy

  • A.第k个位置的置信度分数
  • B.第k个位置的预测类别
  • C.所有样本的平均标签数
  • D.第k个位置是否为真实标签← 正确答案

答案：D。rel(k) 也称相关指示，取值为 1 表示该位置样本确实是真实正类，取 0 则表示不是。它和预测无关，只和真实标签有关。就像老师核对名单时问一句：这位同学真实优秀吗？是就记 1，不是就记 0。

Q3. Hamming Loss 的分母是什么？

单选题 · easy

  • A.样本数乘以标签数← 正确答案
  • B.样本数加上标签数
  • C.标签总数再减一
  • D.预测为正类的总数

答案：A。Hamming Loss 统计所有“样本×标签”格子中的误标比例，所以分母是 N×L。它把每个样本的每个标签都当成一格来判断，就像把全班同学的所有科目成绩章都铺开数一遍。

Q4. 多标签任务中，子集准确率比 Hamming Loss 更严格，原因是？

单选题 · mid

  • A.要求全部标签完全一致← 正确答案
  • B.要求置信度排序最优
  • C.要求必须有一个正标签
  • D.要求正负样本均衡

答案：A。子集准确率采用一票否决制，只要有一个标签和真实不一致，整个样本就判错。Hamming Loss 则逐个标签计数，允许部分错误的温和反馈。前者像“门门满分才评优”，后者像“错一题扣一分”。

Q5. 当数据集中大部分标签都是 0 时，一个“永远预测全 0”的模型会怎样？

单选题 · mid

  • A.Hamming Loss 可能很低← 正确答案
  • B.mAP 一定为 0
  • C.子集准确率一定很低
  • D.宏平均F1一定很高

答案：A。全 0 预测在标签稀疏数据中能蒙对大量 0 类格子，Hamming Loss 常常很低，但模型根本没学到正类。mAP 不一定是 0；子集准确率在样本真实标签也全 0 时可能很高；宏平均 F1 永远低，因为没有召回率。所以单看 Hamming Loss 会误判模型能力。

Q6. “mAP 很高但 Hamming Loss 也不低”，最可能的原因是？

单选题 · mid

  • A.排序好但阈值不合适← 正确答案
  • B.标签数量实在太多
  • C.模型在训练集过拟合
  • D.模型输出没有归一化

答案：A。mAP 只看相对顺序，哪怕顺序完美，一旦阈值定错，硬标签照样大量标错，Hamming Loss 就会高。就像老师把学生名次排得再准，划线划错了照样误判一堆及格线。阈值和排序是两个独立维度。

Q7. 以下关于 mAP 的说法，正确的有哪些？

多选题 · mid

  • A.AP 计算不需要设置分类阈值← 正确答案
  • B.先按置信度从高到低排列← 正确答案
  • C.mAP 是各标签 AP 的均值← 正确答案
  • D.mAP 必须使用阈值0.5

答案：ABC。mAP 依赖的是置信度排序而不是硬阈值，所以 A、B 正确；mAP 对每个标签算 AP 再取平均，C 正确。D 错在把 Hamming Loss 的阈值操作安到了 mAP 头上。就像排名只看相对先后，不需要先划线。

Q8. 关于 Hamming Loss，下列哪些说法正确？

多选题 · mid

  • A.误报和漏报都计入错误← 正确答案
  • B.阈值改变会影响结果← 正确答案
  • C.对全零预测可能很宽松← 正确答案
  • D.要求所有标签完全相同才得分

答案：ABC。Hamming Loss 把所有预测与真实不一致的格子都算错，包含误报和漏报，A 对；硬标签依赖阈值，所以 B 对；标签稀疏时全零预测误标率低，C 对；D 是子集准确率的定义，不是 Hamming Loss。一字之差，规则天壤之别。

Q9. 给定5个样本的真实标签依次为 [1,0,1,0,1]，模型按置信度降序恰好排成这个顺序，AP 约为多少？

单选题 · hard

  • A.0.756← 正确答案
  • B.0.800
  • C.0.600
  • D.0.667

答案：A。三个真实正类分别在位置1、3、5，对应精度为 1、2/3、3/5，AP=(1+2/3+3/5)/3≈0.756。它衡量的是“正类每次出现时的前排精度”，正类越靠前，AP 越高。这个计算过程就是老师和助教在名单上逐格点数的过程。

Q10. 在正类稀疏的多标签任务中，为什么 mAP 比 Hamming Loss 更能反映检索系统的真实质量？

单选题 · hard

  • A.检索更看重前排排序而非硬判定← 正确答案
  • B.Hamming Loss 无法处理多标签
  • C.mAP 需要全部标签正确才计分
  • D.Hamming Loss 只关心正类召回

答案：A。检索系统的核心是候选排序，用户只看前几条，mAP 对前排正类敏感，能精确反映排序优劣。Hamming Loss 是硬标签误标比例，适合质量审查但不适合评价“前排是否精准”。就像挑水果时先关心最上面几个新不新鲜，而不是整个筐的磕碰总数。