基础概念是什么？

关键要点

• 准确率是预测正确的样本数除以总样本数。
• 精确率是在所有被模型预测为正的样本中，真正为正样本的比例。
• 召回率是在所有真实为正的样本中，被模型成功找出的比例。
• F1值是精确率和召回率的调和平均数。
• 混淆矩阵的行代表真实类别，列代表预测类别，用于分析分类结果。

怎么选 / 怎么做

理解这些概念有助于科学评估分类模型。在类别不平衡数据集中，高准确率可能具有误导性，需要结合精确率、召回率等指标。混淆矩阵可以直观展示模型在各类别上的表现。

常见问题

什么是准确率？

预测正确的样本数占总样本数的比例。

精确率和召回率有什么区别？

精确率关注预测准确性，召回率关注找出全面性。

什么是混淆矩阵？

展示真实类别与预测类别对应关系的矩阵。