📚 课程目录第2章混淆矩阵常用指标

2. 混淆矩阵常用指标：准确率、精确率、召回率、特异度

聊完混淆矩阵的基本结构，接下来进入正题——那些我们天天挂在嘴边的指标。说实话，我刚入行那会儿，总把准确率和精确率混着用，结果被review的同事猛批了一顿。嗯，这里要注意：这几个指标虽然都从混淆矩阵里算出来，但它们各自盯的是不同的问题。我把它们归纳成一张图，你先看一眼心里就有谱了。

2.1 准确率（Accuracy）

准确率是最直观的指标——所有样本里，模型猜对了多少。公式很简单：

Accuracy = (TP + TN) / (TP + FP + FN + TN)

但我得提醒一句：这个指标在数据不平衡时特别容易骗人。我记得有一次做宏基因组的物种分类任务，99%的样本都是背景菌，剩下1%是目标病原体。我一看准确率99.2%，高兴得不行，结果模型把所有样本都判成了背景菌——100%的精确率和召回率全是零。你想想看，那准确率有什么意义？

我曾经踩过的坑：宏基因组数据中稀有菌种分类一定要警惕准确率的“蜜糖效应”。数据极度不平衡时，准确率完全失效，必须搭配其他指标看。

2.2 精确率（Precision）

精确率关心的是：所有被模型判为正类的样本里，有多少是真货？公式：

Precision = TP / (TP + FP)

说白了，就是模型说“这是目标菌”，我信不信它。在宏基因组诊断里，精确率低意味着假阳性太多——你测试出患者感染了某种致病菌，结果lab复查发现是污染或同源序列的误判。我做过一次抗性基因检测项目，精确率才0.6，等于每报10个基因里有4个是假的，那报告谁还敢用？

我的习惯：在撰写算法评估报告时，精确率与召回率我总是一起给出，并附上F1-score。光看一个指标容易片面。

2.3 召回率（Recall）

召回率又是一个视角：所有真正的正样本里，模型找出来了多少？公式：

Recall = TP / (TP + FN)

召回率低意味着漏检——本来患者体内有致病菌，模型却漏掉了。这在临床上是不可接受的。我参与过一项肠道菌群与癌症标记物的研究，当时模型精确率特别好（几乎没错报），但召回率只有0.3，意味着70%的真实标记菌被我们放跑了。说白了，召回率是“能不能把坏人全抓住”的能力。

这里有个经典的精确率-召回率权衡：调低分类阈值，召回率上升，但精确率往往下降；反之亦然。没有免费的午餐。

2.4 特异度（Specificity）

特异度是召回率的“反面兄弟”——它关注负样本：所有真实的负类样本里，模型正确识别出了多少？公式：

Specificity = TN / (TN + FP)

在宏基因组中，负类通常指背景菌或健康样本中的微生物。特异度低，模型就会把大量正常菌误报为致病菌，造成过度诊断。我印象最深的一次，是某项目用qPCR验证宏基因组结果，因为我们的模型特异度只有0.78，导致后续湿实验浪费了整整三个月的经费去验证假阳性。

  快速记忆口诀：

  准确率 = 全部猜对的比例

  精确率 = 猜为正类里真货的比例

  召回率 = 真货里被找出的比例

  特异度 = 假货里被正确排除的比例

2.5 四指标对比表

指标	公式	关注点	宏基因组常见陷阱
准确率	(TP+TN)/(TP+FP+FN+TN)	全局正确率	类别不平衡时虚高
精确率	TP/(TP+FP)	阳性预测值	假阳性高导致过度诊断
召回率	TP/(TP+FN)	检测灵敏度	漏检致病菌风险
特异度	TN/(TN+FP)	阴性预测值	假阳性导致实验资源浪费

2.6 计算实战：Python 实现

我在日常工作里最喜欢用 sklearn 的 metrics 模块，几行代码就能拿到所有指标。但为了让你明白底层逻辑，我写一段纯 Python 的计算示例，不依赖库：

def compute_metrics(y_true, y_pred):
    """y_true和y_pred都是列表，0=负类，1=正类"""
    tp = sum(1 for t,p in zip(y_true,y_pred) if t==1 and p==1)
    tn = sum(1 for t,p in zip(y_true,y_pred) if t==0 and p==0)
    fp = sum(1 for t,p in zip(y_true,y_pred) if t==0 and p==1)
    fn = sum(1 for t,p in zip(y_true,y_pred) if t==1 and p==0)
    
    accuracy = (tp+tn)/(tp+tn+fp+fn) if tp+tn+fp+fn else 0.0
    precision = tp/(tp+fp) if tp+fp else 0.0
    recall = tp/(tp+fn) if tp+fn else 0.0
    specificity = tn/(tn+fp) if tn+fp else 0.0
    
    return {
        "TP":tp, "TN":tn, "FP":fp, "FN":fn,
        "accuracy":accuracy,
        "precision":precision,
        "recall":recall,
        "specificity":specificity
    }

# 举个栗子（模拟宏基因组预测）
y_true  = [1,0,1,1,0,0,1,0]
y_pred  = [1,0,0,1,0,1,1,0]
result = compute_metrics(y_true, y_pred)
print(result)

输出大概长这样：

{'TP':3, 'TN':3, 'FP':1, 'FN':1,
 'accuracy':0.75,
 'precision':0.75,
 'recall':0.75,
 'specificity':0.75}

这个例子很理想化，刚好所有指标都是0.75。但实际宏基因组数据中，这四个值往往差异巨大——我见过召回率0.95但精确率只有0.1的情况，那基本就是“宁肯错杀一千”的策略。具体怎么取舍？得看业务场景。比如病原体筛查，宁可假阳性也不想漏检，那就优先保召回率；药物靶点筛选，假阴性成本高但假阳性可能导致后续实验大坑，两者都需要平衡。

我的一个小技巧：在对比不同模型时，我不仅看四个指标数值，还一定看混淆矩阵的原始值（TP、FP、FN、TN）。数字是死的，但四组数能告诉你模型在什么类型上犯错，比单看指标深刻得多。

好了，这四个常用指标你应该能分清楚了吧？我个人觉得，它们是后续学习AUC的基石——因为AUC实际上就是在不同阈值上综合了召回率和特异度的能力。接下来我们就把这些指标用起来，看看它们和ROC曲线之间的关系。不过这部分留到后面章节，不急。