别再只看准确率了！分类模型评估的 6 个核心指标与实战指南：Macro/F1、OvR AUC

在机器学习的分类任务中，仅知道模型 "准确率" 是不够的。尤其是面对类别不平衡、多分类问题时，我们需要更全面的评估指标来衡量模型性能。本文将深入解析常用分类评估指标的数学原理，并结合 Python 代码示例进行演示。

一、基础评估指标

1. 混淆矩阵（Confusion Matrix）

混淆矩阵是分类评估的基础，它展示了模型预测结果与真实标签之间的关系。对于二分类问题，混淆矩阵如下：

from sklearn.metrics import confusion_matrix

y_true = [1, 0, 1, 1, 0, 1]
y_pred = [1, 0, 0, 1, 0, 1]

cm = confusion_matrix(y_true, y_pred)
print("混淆矩阵:")
print(cm)

2. 准确率（Accuracy）

准确率是最直观的评估指标，表示模型正确预测的样本比例：

局限性：在类别不平衡的情况下，高准确率可能掩盖模型对少数类别的不良表现。

二、精确率、召回率与 F1 分数

1. 精确率（Precision）

精确率衡量模型预测为正例的样本中，实际为正例的比例：

应用场景：当假正例的代价很高时（如垃圾邮件检测），精确率更为重要。

2. 召回率（Recall）

召回率衡量实际为正例的样本中，被模型正确预测为正例的比例：