第2章：混淆矩阵——TP、TN、FP、FN的定义与计算

聊分类模型评估，你第一个要搞清楚的，就是混淆矩阵。

说白了，它就是一张表。这张表能告诉你，你的模型到底在哪些地方做对了，又在哪些地方做错了。我刚开始做机器学习那会儿，觉得看个准确率就够了。直到有一次，我训练一个猫狗分类器，准确率90%多，我高兴坏了，结果一部署到线上，发现模型把大部分的猫都认成了狗。

为什么会这样？就因为样本不平衡。猫的图片太少，狗的图片太多。模型只要把所有图片都猜成狗，准确率就很“漂亮”。但这样模型根本没用。后来我养成了一个习惯：无论什么分类任务，先打印混淆矩阵，看看再说。

2.1 四个基本概念：TP、TN、FP、FN

混淆矩阵是2x2的方阵，对应二分类问题中的四种预测结果。我们得先定义一下，什么叫“正类（Positive）”和“负类（Negative）”。

通常，我们把关注的、相对稀少的类别称为正类（比如“有病”、“是猫”、“欺诈”），另一类就是负类。这个划分其实挺关键的，我在项目中遇到过团队因为正负类定义不统一，导致评估结果完全对不上的情况。

注意：正负类的定义直接影响所有后续指标。定义要提前对齐，别等到评估的时候才发现问题。
  • 真正例（TP - True Positive）：模型预测为正类，实际上也是正类。猜对了，且猜的是正类。
  • 真负例（TN - True Negative）：模型预测为负类，实际上也是负类。猜对了，且猜的是负类。
  • 假正例（FP - False Positive）：模型预测为正类，但实际上它是负类。这就是“误报”。模型把负样本当成了正样本。
  • 假负例（FN - False Negative）：模型预测为负类，但实际上它是正类。这就是“漏报”。模型把正样本漏掉了。

你想想看，FP和FN是两个最重要的错误类型。在不同业务场景下，它们的代价完全不同。

2.2 举个例子，更好理解

假设我们有100个样本，其中30个是猫，70个是狗。我们训练了一个猫狗分类器，目标是“找出猫”。所以，猫就是正类（Positive）。

模型预测的结果如下：

实际\预测 预测为猫（正类） 预测为狗（负类）
实际是猫（正类） TP = 25（猜对了，是猫） FN = 5（猜错了，把猫说成狗）
实际是狗（负类） FP = 10（猜错了，把狗说成猫） TN = 60（猜对了，是狗）

这个例子很清晰吧？TP=25，表示有25只猫被正确识别。FN=5，有5只猫被漏掉了，误判为狗。FP=10，有10只狗被误报为猫。TN=60，有60只狗被正确识别。

2.3 如何计算？

其实计算很简单，就是从混淆矩阵里把四个数值拿出来。

我用Python的sklearn举例子，你可以在代码里直接调用：

from sklearn.metrics import confusion_matrix

# 假设 y_true 是真实标签，y_pred 是模型预测结果
y_true = [1, 0, 1, 1, 0, 1, 0, 0, 1, 0]  # 1代表猫，0代表狗
y_pred = [1, 0, 1, 0, 0, 1, 0, 0, 0, 1]

# 生成混淆矩阵
cm = confusion_matrix(y_true, y_pred)
print(cm)

# 输出结果类似：
# [[TN FP]
#  [FN TP]]
# 注意sklearn的矩阵是TN、FP、FN、TP的顺序，别搞反了。

你可能注意到了，sklearn返回的矩阵顺序是：第一行是负类，第二行是正类。这一点我以前踩过坑，每次都得确认一遍。

如果你想手动计算：

TP = sum((y_true == 1) & (y_pred == 1))
TN = sum((y_true == 0) & (y_pred == 0))
FP = sum((y_true == 0) & (y_pred == 1))
FN = sum((y_true == 1) & (y_pred == 0))

2.4 矩阵可视化

光看数字太抽象，一般我们会把混淆矩阵画出来。画成热力图，一眼就能看出模型的“盲区”。

下面这个SVG图，展示了混淆矩阵的核心逻辑和结构与流程：

混淆矩阵核心逻辑 & 流程 实际标签 正类 (P) 负类 (N) 预测标签 正类 (P) 负类 (N) TP (正→正) FN (正→负) TP: 猜对了对象是目标 | TN: 猜对了对象不是目标 FP: 误报了(把非目标当成目标) | FN: 漏报了(把目标当成非目标)

2.5 我的一些经验与避坑指南

我曾经在一个医疗影像的癌症检测项目里，只用accuracy作为评估指标。模型性能看起来不错，但医生们说没啥用。我打印了混淆矩阵一看，大吃一惊：模型几乎把所有阴性样本（没病）都预测对了，但阳性样本（有病）的召回率极低。说白了，这个模型漏掉了大部分病人。这要是上线，后果不堪设想。这就是混淆矩阵的价值所在。

你想想看，如果没有混淆矩阵，单纯看准确率，你很难发现这种“模型偷懒”的现象。我建议你在任何分类任务中，都把混淆矩阵作为第一个输出的评估结果。

  • 避坑1：我之前写代码混淆矩阵的顺序搞反过，拿TN当成了TP。多亏画图出来颜色不对，才及时发现。
  • 避坑2：对于多分类问题（比如猫、狗、鸟三种），混淆矩阵会变成3x3，但核心逻辑一样：行是真实标签，列是预测标签。对角线是正确分类，其他位置是错误分类。
一个小技巧：用热力图可视化混淆矩阵。颜色越深，数值越大。这样一眼就能看出模型在哪些类别之间容易混淆（比如，把猫和狗都认成狗，那对应格子的颜色就会很浅）。

好了，混淆矩阵的四个基本元素就讲到这里了。它不仅仅是四个数字，更是我们理解模型行为的第一步。

← 上一章 📖 返回目录 下一章 →