概念卡：评价指标 Evaluation Metrics
概念卡：评价指标 Evaluation Metrics
一句话定义
评价指标是用来衡量模型表现的数值标准。
它解决什么问题
它把“模型好不好”具体化，但不同任务需要不同指标。
典型使用场景
- 分类模型看 accuracy、precision、recall、F1、AUC。
- 回归模型看 MAE、MSE、RMSE、R-squared。
- 风险任务看高分位误差或尾部指标。
需要知道的关键词
- Accuracy
- Precision
- Recall
- F1
- RMSE
和导师方向的关系
课程作业和论文复现中，评价指标决定结果如何被解释和比较。
交流时可以怎么说
评价指标要和任务目标一致，不能只选看起来最好的指标。
如果风险任务更关心漏报，高召回率可能比整体准确率更重要。
可以追问的问题
- 任务目标是什么？
- 错误类型的代价是否相同？
- 指标是否受类别不平衡影响？
给 AI 的提示词
请帮我为一个分类/回归/风险预测任务选择评价指标。要求说明每个指标回答什么问题、适用场景和局限。
我的理解边界
- 已理解：指标必须匹配任务目标。
- 还不确定：AUC 的直觉。
- 下次需要补：分类指标。