模型评估指标详解：准确率、召回率、AUC 是什么？

📊 模型评估指标详解：准确率、召回率、AUC 是什么？

训练完模型，准确率 95%，是不是说明模型非常棒？别急，评估模型效果不能只看一个指标！本篇带你系统掌握准确率、精确率、召回率、F1 值、AUC 等常见评估指标的原理与使用场景，让你读懂“模型表现”背后的真相。

🎯 一、为什么模型评估很重要？

在机器学习与深度学习中，训练的目标不是让模型在训练集上表现好，而是让它在未知数据上泛化良好。选择合适的评估指标，可以：

• 判断模型是否过拟合/欠拟合；
• 在不同模型间做横向对比；
• 辅助调参、EarlyStopping；
• 衡量模型的业务效果（特别是分类任务）。

📁 二、分类问题中的四个核心概念（混淆矩阵）

混淆矩阵是分类问题评估的基础，二分类结果可分为：