概念卡：混淆矩阵 Confusion Matrix
概念卡：混淆矩阵 Confusion Matrix
一句话定义
混淆矩阵展示分类模型预测类别和真实类别之间的对应关系。
它解决什么问题
它帮助我们看清模型错在哪里，是误报多还是漏报多。
典型使用场景
- 二分类模型评估。
- 风险预警模型。
- 类别不平衡任务。
需要知道的关键词
- True Positive
- False Positive
- True Negative
- False Negative
- Recall
和导师方向的关系
大数据分类和风险预警任务中，混淆矩阵比单一准确率更能反映错误结构。
交流时可以怎么说
我会先看混淆矩阵，判断模型主要问题是误报还是漏报。
如果高风险事件很少，准确率可能虚高，混淆矩阵更有信息量。
可以追问的问题
- 哪类错误代价更高？
- 阈值变化会如何影响误报和漏报？
- 类别是否严重不平衡？
给 AI 的提示词
请解释混淆矩阵中的 TP、FP、TN、FN。要求连接 accuracy、precision、recall、F1，并给风险预警例子。
我的理解边界
- 已理解：混淆矩阵展示分类错误结构。
- 还不确定：多分类混淆矩阵解释。
- 下次需要补：precision/recall tradeoff。