2. 模型评估基础：混淆矩阵与核心指标

在反洗钱监测模型上线前，必须使用一套标准化的评估体系来量化其判别能力。混淆矩阵（Confusion Matrix）是所有分类模型评估的起点，它清晰记录了模型预测结果与真实标签之间的四种组合关系。基于混淆矩阵，可以进一步推导出准确率、精确率、召回率和 F1-score 等核心指标，从而全面衡量模型在洗钱交易识别场景下的表现。

2.1 混淆矩阵与 TP/TN/FP/FN 定义

混淆矩阵是一个 2×2 的表格，行代表真实标签（Actual），列代表模型预测结果（Predicted）。在反洗钱场景中，通常将“洗钱交易”定义为正类（Positive），将“正常交易”定义为负类（Negative）。

2.2 核心评估指标详解

基于混淆矩阵的四个基础数值，可以推导出以下五个核心评估指标。每个指标从不同角度反映了模型的性能，在反洗钱场景中具有不同的业务含义。

2.2.1 准确率（Accuracy）

准确率衡量模型在所有样本中正确预测的比例，是最直观的评估指标。

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

2.2.2 精确率（Precision）

精确率衡量模型预测为洗钱的交易中，真正是洗钱交易的比例。它反映了模型“抓得准不准”。

Precision = TP / (TP + FP)

精确率越高，说明模型误报（FP）越少，人工审核的“冤枉”工作量越低。在反洗钱系统中，高精确率意味着审核人员可以将精力集中在真正可疑的交易上。

2.2.3 召回率（Recall）

召回率衡量模型成功识别出的洗钱交易占所有真实洗钱交易的比例。它反映了模型“抓得全不全”。

Recall = TP / (TP + FN)

召回率越高，说明模型漏报（FN）越少，合规风险越低。监管机构通常对召回率有较高要求，因为漏报洗钱交易可能导致严重的合规处罚。

2.2.4 F1-score

F1-score 是精确率和召回率的调和平均数，综合衡量模型的精确性和全面性。

F1-score = 2 * (Precision * Recall) / (Precision + Recall)

F1-score 的取值范围为 [0, 1]，值越高表示模型性能越好。当精确率和召回率都较高时，F1-score 才会接近 1；如果其中一个指标很低，F1-score 会显著下降。

2.3 指标选择与反洗钱场景适配

在实际的反洗钱监测模型评估中，不应孤立地看待某个指标，而应结合业务场景进行综合判断。以下表格总结了各指标的适用场景和注意事项：