第3章：模型评估核心指标详解

▎面试问题：准确率、召回率、F1 分别适用于什么场景？如何选择？

▎面试官考察点：是否理解业务目标对指标选择的决定性作用；是否知道准确率在类别平衡时才有意义；能否举例说明。

▎回答框架：先给出定义 → 强调业务场景驱动 → 举例说明（如：反欺诈重召回，推荐系统准确率与召回率权衡）→ 指出 F1 是调和平均，处理不平衡时常用。

▎示例回答：准确率在正负样本均衡时使用；召回率优先用于“漏报代价高”的场景，如癌症筛查；F1 对 Precision 和 Recall 综合加权，适合样本不平衡且两者都重要时，如用户流失预警。

▎可能追问：如果业务要求 Precision 不低于 90%，同时 Recall 尽可能高，你会怎么调参？

▎避坑提醒：不要只背式子，要结合业务说“为什么”。避免误以为准确率越高模型越好——在不平衡数据中准确率可能虚高。

▎面试问题：AUC 是什么？相比准确率有哪些优势？什么情况下不适合用 AUC？

▎面试官考察点：是否理解 AUC 的排序本质；是否知道 AUC 对阈值不敏感；是否了解 AUC 在极端不平衡或高代价场景下的局限性。

▎回答框架：定义 AUC=ROC 曲线下面积 → 优点：阈值无关、对样本比例不敏感 → 缺点：忽略概率校准质量、对尾部样本不敏感、不能反映实际业务代价。

▎示例回答：AUC 衡量模型对正负样本的排序能力，当类别严重不平衡（如 1:1000）时仍能稳定反映区分度。但它不反映预测概率的值，因此需要概率校准的业务（如广告点击率预估）需额外关注 LogLoss。

▎可能追问：假如两个模型 AUC 相同，你会怎么进一步比较？

▎避坑提醒：切勿说“AUC 越高模型越好”，要补充业务场景。注意 AUC 不能直接用于不平衡数据中的代价评估，应结合增益曲线。

▎面试问题：混淆矩阵中有哪些常用指标？在类别不平衡时，哪些指标更有价值？

▎面试官考察点：是否全面掌握混淆矩阵衍生的指标；能否区分“微观平均”和“宏观平均”；是否知道 F1 与 AUC 的互补性。

▎回答框架：列出混淆矩阵（TP、FP、FN、TN）→ 导出 Accuracy、Precision、Recall、F1、Specificity → 不平衡场景推荐 Recall、F1、AUC（或 G-mean）、Kappa。

▎示例回答：混淆矩阵四个元素可计算出精准率、召回率、特异度等。在不平衡数据中，准确率容易“假高”，此时我更关注召回率（覆盖正例）、F1（综合平衡）和 AUC（排序能力），必要时使用宏平均 F1。

▎可能追问：G-mean 是什么？和 F1 比有什么不同？

▎避坑提醒：不要只罗列公式，要举例说明。比如欺诈检测中，准确率 99.9% 但可能把所有欺诈都漏掉了，此时高 Recall 才是有意义的。