在機器學習領域，分類模型的評估至關重要。準確率雖然直觀，但在類別不平衡的場景下容易產生誤導。混淆矩陣（Confusion Matrix）作為一種基礎而強大的評估工具，能夠清晰展示模型在每個類別上的表現，是分類問題中不可或缺的分析手段。\n\n## 一、什么是混淆矩陣？\n\n混淆矩陣是一個 N×N 的表格（N 為類別數），用于分類模型的預測結果。以二分類為例，矩陣的每一行代表樣本的真實類別，每一列代表模型的預測類別（或相反，取決于約定）。典型布局如下：\n\n| | 預測為正類 | 預測為負類 |\n|----------------|------------|------------|\n| 真實正類 | TP | FN |\n| 真實負類 | FP | TN |\n\n其中：\n- TP（True Positive）：正類被正確預測為正類\n- TN（True Negative）：負類被正確預測為負類\n- FP（False Positive）：負類被錯誤預測為正類（誤報）\n- FN（False Negative）：正類被錯誤預測為負類（漏報）\n\n對于多分類問題，混淆矩陣擴展為K×K的表格，每個元素 (i, j) 表示真實類別為 i 但被預測為 j 的樣本數量。\n\n## 二、從混淆矩陣導出的核心指標\n\n混淆矩陣本身是一個計數矩陣，但通過它可以計算出多種評估指標，全面刻畫模型性能。\n\n### 1. 準確率（Accuracy）\n準確率 = (TP + TN) / (TP + TN + FP + FN)。\n

適用場景：類別分布均衡時。
局限：在類別不平衡時，高準確率可能意味著模型只是預測了多數類。\n\n### 2. 精確率（Precision）\n精確率 = TP / (TP + FP)。
表示預測為正的樣本中，實際為正的比例。

關注點：降低誤報（FP）。適用于垃圾郵件識別、推薦系統等場景。\n\n### 3. 召回率（Recall / Sensitivity）\n召回率 = TP / (TP + FN)。
表示真實為正的樣本中，被正確預測的比例。

關注點：降低漏報（FN）。適用于疾病診斷、欺詐檢測等場景。\n\n### 4. F1分數（F1-Score）\nF1 = 2 × (Precision × Recall) / (Precision + Recall)。
精確率和召回率的調和平均，綜合平衡兩者。\n\n### 5. 特異度（Specificity）\n特異度 = TN / (TN + FP)。
表示真實為負的樣本中，被正確預測的比例。\n\n### 6. 其他指標\n- 假正率（FPR）：FP / (FP + TN) = 1 - 特異度\n- 假負率（FNR）：FN / (FN + TP) = 1 - 召回率\n- 平衡準確率（Balanced Accuracy）：(召回率 + 特異度) / 2\n- 馬修斯相關系數（MCC）：綜合考慮TP, TN, FP, FN，取值范圍[-1, 1]，適合不平衡數據。\n\n## 三、混淆矩陣的可視化\n\n熱力圖是最常見的可視化方式，用顏色深淺表示數值大小，能直觀看出模型在哪些類別上容易混淆。\n\n`python\nimport matplotlib.pyplot as plt\nimport seaborn as sns\nfrom sklearn.metrics import confusionmatrix\n\n# 假設 ytrue 為真實標簽，ypred 為預測標簽\ncm = confusionmatrix(ytrue, ypred)\nsns.heatmap(cm, annot=True, fmt='d', cmap='Blues')\nplt.xlabel('Predicted')\nplt.ylabel('Actual')\nplt.title('Confusion Matrix')\nplt.show()\n`\n\n通常還需對矩陣進行歸一化（按行或按列），以消除類別樣本量差異帶來的影響。\n\n## 四、多分類下的混淆矩陣分析\n\n多分類問題中，混淆矩陣能揭示哪些類別容易被混淆。例如，在手寫數字識別中，數字“3”可能常被誤判為“8”。分析矩陣的非對角線元素有助于發現模型弱點：\n\n- 類別級指標：可計算每個類別的精確率、召回率、F1分數，宏平均（Macro-average）、微平均（Micro-average）和加權平均（Weighted-average）。\n - 宏平均：各類別指標算術平均，平等對待每個類別。\n - 微平均：全局計算TP, FP, FN，然后計算指標，受樣本量大的類別主導。\n - 加權平均：按類別樣本量加權平均。\n\n## 五、混淆矩陣的應用案例\n\n### 1. 醫療診斷\n在癌癥篩查中，漏診（FN）代價極高，因此需要高召回率。通過混淆矩陣調整分類閾值，減少FN，即使增加FP。\n\n### 2. 欺詐檢測\n欺詐交易極少，屬于極度不平衡數據。僅看準確率可能高達99.9%，但模型可能從未預測出欺詐。混淆矩陣中的TP和FN才能真正反映檢測能力。\n\n### 3. 情感分析\n三分類（正面、負面、中性）中，混淆矩陣可幫助理解中性樣本是否與實際帶有情感傾向的樣本混淆。\n\n## 六、混淆矩陣的局限與注意事項\n\n- 閾值依賴：對于概率輸出模型，混淆矩陣依賴于分類閾值。默認0.5不一定最優，可通過ROC曲線或PR曲線選擇閾值。\n- 類別順序：二分類中“正類”的定義影響指標解讀；多分類中類別的排列順序影響可讀性。\n- 不平衡數據：需結合其他指標（如MCC、Kappa系數、F1）綜合判斷。\n- Kappa系數：衡量分類一致性，排除隨機一致性的影響。\n\n## 七、\n\n混淆矩陣是分類模型評估的基石，它像一面鏡子，清晰地映射出模型在每個類別上的表現。從矩陣出發，我們可以計算出精確率、召回率、F1分數等一系列指標，并通過可視化深入理解模型的優勢與不足。在實際應用中，應結合具體業務場景選擇合適指標，并注意類別不平衡、閾值選擇等問題，從而構建更可靠、更有價值的分類模型。