1. 评估指标基础：混淆矩阵与核心指标

在机器学习分类任务中，评估模型性能不能只看最终对不对。我们需要一套标准化的“记账本”，记录模型每一次预测的细节，再从中提炼出有意义的评价数字。这个记账本就叫 混淆矩阵。

1.1 混淆矩阵：四格记账本

对于二分类问题，模型会输出“正类”或“负类”。混淆矩阵把预测结果和真实标签交叉，形成四个格子：

• TP：真阳性，模型说“是”，实际也是“是”。
• FP：假阳性（误报），模型说“是”，实际是“否”。
• FN：假阴性（漏报），模型说“否”，实际是“是”。
• TN：真阴性，模型说“否”，实际也是“否”。

【SVG图：混淆矩阵框架图】

1.2 从混淆矩阵引出三大指标

混淆矩阵四个数字摆出来，我们需要一个更直观的“评分”来对比模型好坏。三个经典指标就此诞生：

1.3 类比：超市监控防损系统

假设你是一家超市的防损经理，安装了一套AI摄像头来识别盗窃行为。真实情况每天有10起盗窃，摄像头会发出警报。

• 精确率：在摄像头所有报警中，真正抓到小偷的比例。如果摄像头总报警20次，其中5次是真小偷，精确率 = 5/20 = 25%。精确率低意味着频繁“误报”，浪费保安排查时间。
• 召回率：在真实发生盗窃中，摄像头成功识别的比例。如果摄像头只抓住了其中6次，召回率 = 6/10 = 60%。召回率低意味着“漏报”多，商品损失增大。
• 准确率：在所有正常情况下（包括没盗窃的时段和没报警的时段），系统判断正确的比例。因为无盗窃事件占大多数，准确率可能高达90%以上，但它掩盖了“精确率低”或“召回率低”的问题。

1.4 各指标适用场景

1.5 练习题

题目：某个二分类模型在测试集上得到以下混淆矩阵：TP = 80, FP = 30, FN = 20, TN = 120。请计算准确率、精确率、召回率。

1.6 应用边界

• 混淆矩阵仅适用于分类问题（二分类最直观，多分类可通过OvR/OvO扩展），不适用于回归问题。
• 当类别极度不平衡时，准确率会“假性膨胀”，需要引入精确率、召回率或F1分数。
• 精确率和召回率是相互制约的（Trade-off）。提高精确率通常会降低召回率，反之亦然。实际中常根据业务成本选择平衡点。