混淆矩阵确实是分析实验结果的一种非常有用的方法。它为所有可能的类提供了真实类 X 预测为类 Y 的实例的确切数量（或百分比）。因此，它提供了系统分类正确与否的详细图片。

但是如果想将分类器的性能总结为一个单一的值，那么混淆矩阵就有点过于详细了。这在想要比较两个不同的分类器时特别有用，因为没有比较两个混淆矩阵的通用方法。这就是为什么人们经常使用评估措施：对于二元分类，最常见的是：

• 准确率，即正确预测的数量除以实例总数。
• F-score，它本身就是准确率和召回率的调和平均值。具有讽刺意味的是，F-score 比准确度更准确地描述了性能，因为它考虑了不同类型的可能错误。

混淆矩阵是对分类器进行评分的好方法。还有一些额外的指标只是来自混淆矩阵的摘要统计信息。其中一些是：

• 准确度——你的预测有多少是正确的。您可以通过真阳性的总数 + 真阴性的总数除以数据点的数量（在您的情况下为用户）来计算。(TP + TN) / 总预测。
• 精度 - 预测阳性的百分比是正确的。所以真正的阳性除以预测阳性的总数，TP / (TP + FP)。
• 回忆 - 你捕获的阳性总数的百分比是多少？真阳性数除以总人口中的阳性总数，TP / (TP + FN)。
• 真阴性率 - 预测阴性的百分比是正确的。TN / (TN + FP)。

一般来说，精度不会被太频繁地使用，因为它可能会非常误导偏斜的频率。数据科学通常关注我提到的其他指标。准确率和召回率之间几乎总是存在权衡，而了解用例可以让您权衡权衡。例如，癌症诊断血液测试通常更倾向于召回而不是精确度，因此它不会错过任何真正的阳性结果。后续测试（例如 MRI）通常可以帮助区分真阳性和假阳性，我可能会猜测这偏向于精确度，因此没有患者接受不必要的手术。为了更好地理解权衡，有时会生成 ROC 曲线（误报率与召回率图）。这个维基百科页面是一个很好的起点：https://en.wikipedia。