混淆矩阵

二分类评估的基础计数表, 按“真实类别 × 预测类别”把样本分成 4 格: TP (真阳性, 预测为正且实际为正)、FP (假阳性, 预测为正但实际为负, 第 I 类错误)、FN (假阴性, 预测为负但实际为正, 第 II 类错误)、TN (真阴性, 预测为负且实际为负), 总样本 $N = TP + FP + FN + TN$。准确率 $Acc = \frac{TP + TN}{N}$ 是唯一只由对角线决定的指标。数值例: 100 个样本里 95 个负类、5 个正类, 模型全部预测为负, 则 $TP=0, FP=0, FN=5, TN=95$, $Acc = 95/100 = 95\%$——看起来优秀, 但正类一个都没找到 (召回率 0), 这就是“准确率陷阱”。

任何分类任务的评估起点; 由这 4 格衍生出 Precision/Recall/F1、特异度、ROC 曲线等全部混淆矩阵类指标; 多分类时扩展为 $N \times N$ 矩阵 (对角线为正确分类), 并派生宏平均/微平均/加权平均。

准确率在不平衡数据上被多数类“绑架” (1% 患病率时全判阴性也有 99% 准确率), 且对 FP/FN 的代价差异视而不见; 混淆矩阵显式暴露两类错误及各自规模。宏平均 (macro) 对每类指标等权平均, $Macro\,P = \frac{1}{C}\sum_{c=1}^{C}P_c$, 小类与大类权重相同; 微平均 (micro) 把所有样本汇总后一次计算, $Micro\,P = \frac{\sum_c TP_c}{\sum_c (TP_c + FP_c)}$, 被样本多的类别主导——类别极不平衡且小类重要时选宏平均, 各类样本量均衡或只关心总体表现时选微平均。

检验攻克程度：针对「混淆矩阵」专属刷题排雷

做单选排雷题、推导选项机制，答错自动收录进专属错题本。