8、预测性能评估：从混淆矩阵到关键指标

预测性能评估：从混淆矩阵到关键指标

1. 混淆矩阵基础

在进行预测性能评估时，混淆矩阵是一个重要工具。查看混淆矩阵时，要关注标签，确保清楚每个格子代表的含义。以下是一个混淆矩阵的数值示例：
| | 预测为正 | 预测为负 |
| — | — | — |
| 实际为正 | TP = 6 | FN = 4 |
| 实际为负 | FP = 2 | TN = 8 |

这个矩阵展示了预测结果与实际值之间的关系，包含了真阳性（TP）、假阴性（FN）、假阳性（FP）和真阴性（TN）四个关键指标。

2. 错误预测的特征分析

2.1 玩具生产案例

在玩具生产场景中，我们能更直观地理解不同类型错误的影响。
- 禁止角色玩具问题 ：公司失去了销售特定角色“Glasses McGlassface”玩具的权利，若误发该玩具会被起诉。所以我们的目标是找出所有该角色玩具并回收。在快速操作过程中，可能会出现误将非该角色玩具当作该角色回收的情况，这就是假阳性。不过在这个案例中，只要不频繁出现，假阳性的影响不大，因为塑料可回收再利用。
- 玩具眼睛涂装问题 ：之后发现部分玩具眼睛涂装不当，给孩子没有眼睛的玩具可能会造成心理创伤，所以要找出所有眼睛未正确涂装的玩具。此时可能会出现假阴性，即玩具眼睛已涂装但被误判为未涂装。在这种情况下，少量假阴性是可以接受的，只要能确保找出所有眼睛未涂装的玩具即可。

2.2 总结

真阳性和真阴性比较容易理解，而对于假阳性和假阴性的处理方式取决于具体情况和目标。我