机器学习模型评估指标：从准确率到 F1 分数的全面解读​​​​

在机器学习领域，构建一个模型仅仅是开始，更重要的是评估模型的性能，以确定其是否满足实际应用需求。评估指标就像是衡量模型优劣的 “标尺”，它们从不同角度反映模型的表现。从最基础的准确率，到综合考虑查准率和查全率的 F1 分数，每一个指标都有其独特的含义和适用场景。本文将深入剖析这些评估指标，帮助读者全面理解并正确应用它们。

一、基础概念与混淆矩阵

在深入探讨具体评估指标之前，我们需要先了解两个重要的基础概念：分类任务和混淆矩阵。

（一）分类任务

分类任务是机器学习中常见的任务类型之一，它的目标是将输入数据划分到不同的类别中。例如，判断一封邮件是垃圾邮件还是正常邮件，识别图像中的物体是猫还是狗等。根据类别数量的不同，分类任务可分为二分类任务和多分类任务。二分类任务只有两个类别，如 “是” 与 “否”、“正” 与 “负”；多分类任务则包含三个及以上的类别，如手写数字识别（0 - 9 共 10 个类别）。

（二）混淆矩阵

混淆矩阵是理解和计算各种分类评估指标的核心工具。以二分类任务为例，混淆矩阵是一个 2×2 的矩阵，它记录了模型预测结果与真实标签之间的关系。矩阵的四个元素分别为：

• 真正例（True Positive，TP）：模型预测为正类，且实际也为正类的样本数量。

• 假正例（False Positive，FP）：模型预测为正类，但实际为负类的样本数量。

• 真负例（True Negative，TN）：模型预测为负类，