混淆矩阵：看清模型到底错在哪

混淆矩阵把模型的预测结果拆成四类：真正例、假正例、真反例、假反例。它不只告诉你“对了多少”，更告诉你“错在哪里”，是诊断模型问题的第一步。

混淆矩阵最深刻的启示是：错误与错误并不等价。同样是犯错，有的错代价轻微，有的错不可承受。好的决策系统必须知道哪种错误更致命，并据此调整自己的策略。

## 核心要点

图片来源：Openverse / Rain Rabbit（https://www.flickr.com/photos/37996583811@N01/8928972590）

1. 医疗诊断中，漏诊（假反例）代价远高于误诊（假正例），阈值要往严调。

2. 垃圾邮件过滤相反：误删重要邮件代价更高，阈值要往松调。

3. 类别不平衡时，光看准确率会产生严重误导。

4. 混淆矩阵是所有高级评估指标（精确率、召回率、F1）的基础。

图片来源：Openverse / World Economic Forum（https://www.flickr.com/photos/15237218@N00/22476472082）

## 写在最后

以上是关于「混淆矩阵」的科普介绍。人工智能正在快速发展，相关概念和方法也在不断演进。希望本文能帮你建立对这一主题的基本认识。