在流程挖掘中，模型评估是一个重要环节，用于衡量模型的质量和性能。常见的模型评估指标包括准确率（Accuracy）、精确率（Precision）、召回率（Recall）和F1 Score等。

准确率（Accuracy）：衡量模型在所有样本中预测正确的比例。

精确率（Precision）：又叫查准率，针对预测结果而言，其含义是在所有被预测为正的样本中，实际为正的样本的比例。

召回率（Recall）：又叫查全率，针对原样本而言，其含义是在实际为正的样本中被预测为正的比例。

F1 Score：是精确率和召回率的调和平均值，用于综合评价模型的性能。

请注意，这些指标的选择和使用取决于具体的任务和目标。在某些情况下，准确率可能不是最重要的指标，特别是在处理不平衡数据集时。在这种情况下，精确率和召回率或者F1 Score可能更为重要。