混淆矩阵与多类指标
一个“准确率 89%”的模型，听上去挺靠谱。可如果其中有个稀有类别几乎全被认错，这个总分照样很高——因为它被海量的多数类“稀释”掉了。要看穿这种假象，得把每个类别拆开算精确率和召回率，再用宏平均（每类一票）和微平均（每个样本一票）两种方式汇总。类别不平衡时，这两个平均会明显分叉。点下面三个预设，盯着右边那几个数字怎么变。
这是一个三分类的混淆矩阵：行是真实类别、列是预测类别，格子里的数是样本个数。对角线（绿框）= 预测对了，对角线外都是认错的。换个预设，看准确率和宏/微平均怎么分家。
混淆矩阵 C[真实][预测]（格子越深，样本越多）
各类精确率 / 召回率 / F1
准确率—
宏平均 F1—
微平均 F1—
精确率k=C[k][k]/列和 · 召回率k=C[k][k]/行和 · 微平均 F1＝准确率
准确率会骗人
它只数对角线占总数的比例。多数类一大、稀有类一小，稀有类全错也拉不动这个总分。
宏平均：每类一票
先各类单独算 F1 再取平均。稀有类和多数类同等权重，所以稀有类拉胯会立刻把它拖下来。
微平均：每样本一票
把所有类的 TP/FP/FN 汇总再算。单标签下它恰好等于准确率，天然偏向样本多的类。