机器学习中混淆矩阵详解：TP、TN、FP、FN 与 Precision、Recall 计算

做分类模型时，模型给出一个“是”或“否”的结果并不够，我们还需要知道它到底错在什么地方。比如一个模型总是把正类漏掉，和一个模型总是把负类误报成正类，业务后果完全不同。

这就是混淆矩阵的作用。它不是只给你一个总分，而是把分类结果拆成几个最基础的格子，让你能进一步计算 precision、recall、accuracy 和 F1 这些常见指标。

本文会覆盖下面几个部分：

什么是混淆矩阵
二分类问题的混淆矩阵计算

开始前先记住一个判断顺序

理解 TP、TN、FP、FN 时，最容易混淆的地方是“先看预测结果，还是先看真实结果”。一个实用记忆方法是：

先看模型预测的是正类还是负类
再看这个预测到底对不对

于是就得到：

预测为正且预测正确，是真阳性 TP
预测为正但预测错误，是假阳性 FP
预测为负且预测正确，是真阴性 TN
预测为负但预测错误，是假阴性 FN

什么是混淆矩阵

在二分类问题里，混淆矩阵通常由 4 个最基础的结果组成：

真阳性（True Positive, TP）：真实为正，预测也为正
假阴性（False Negative, FN）：真实为正，但预测为负
假阳性（False Positive, FP）：真实为负，但预测为正
真阴性（True Negative, TN）：真实为负，预测也为负

如下图所示：

confusion_matrix

下面用一个怀孕检测的例子来理解：

confusion_matrix_pre

真阳性：

检测结果显示“怀孕”，真实结果也确实是怀孕。

真阴性：

检测结果显示“没有怀孕”，真实结果也确实没有怀孕。

假阳性（一型错误）：

检测结果显示“怀孕”，但真实结果并没有怀孕。

比如一个没有怀孕的人却被检测为怀孕。

假阴性（二型错误）：

检测结果显示“没有怀孕”，但真实结果其实已经怀孕。

总的来说，记住“先看预测正负，再看对错”即可。

二分类问题的混淆矩阵计算

知道了混淆矩阵的 4 个格子，接下来就可以计算常见评估指标了，最常见的是 recall、precision、accuracy 和 F1。

math

recall计算

recall = TP/(TP+FN)

它表示：在所有真实为正的样本中，有多少被模型成功找出来了。

如果你的任务更怕“漏掉正类”，通常就会更看重 recall，比如疾病筛查、风控预警等场景。

例子中，第 2、4、5、7 个样本真实为正，模型只预测出第 2、4 个，因此 recall 是 2/4 = 1/2。

precision计算


precision = TP/(TP+FP)

它表示：在所有被模型预测为正的样本中，真正为正的比例是多少。

如果你的任务更怕“误报正类”，通常会更看重 precision，比如垃圾邮件过滤、人工审核前置筛选等场景。

例子里，一共预测了 3 个样本（第 2、3、4 个）为正，真实为正的是第 2、4 个，因此 precision 是 2/3。

accuracy 计算

accuracy = (TP+TN)/(TP+FP+TN+FN)

它表示：所有样本里，被正确分类的比例。

例子中一共 7 个样本，其中第 1、2、4、6 个分类正确，因此 accuracy 是 4/7。

不过 accuracy 有一个明显问题：当类别极不平衡时，它可能看起来很高，但模型实际没什么用。

实际情况中，如果两个算法在 recall 和 precision 上表现不一致，往往还需要一个综合指标，这里就会用到 F-measure，也就是常说的 F1。

f-measure 计算

f-measure 一般指 F1 值：

f_measure = 2*recall*precision/(recall + precision)

F1 同时考虑了 recall 和 precision，适合在两者都重要时比较模型优劣。

混淆矩阵在实际中怎么用

看混淆矩阵时，不要只盯着一个指标。更实用的做法是先问自己：

业务里最怕的是漏报，还是误报
类别是不是严重不平衡
是不是需要在 precision 和 recall 之间做阈值取舍

例如：

医疗筛查通常更关注 recall，因为漏掉真正阳性的代价更高
广告点击或推荐过滤有时更关注 precision，因为误报会带来更多无效结果
样本极度不平衡时，单看 accuracy 往往不够，最好至少再看 precision、recall 和 F1

总结

本文介绍了机器学习分类任务中最基础也最重要的评估工具之一：混淆矩阵，并进一步说明了 TP、TN、FP、FN 的含义，以及如何由它们计算 recall、precision、accuracy 和 F1。

真正使用时，重点不是死记公式，而是先判断业务更怕哪一种错误，再结合混淆矩阵选择合适的指标。只要这个判断顺序理清了，很多分类模型评估问题都会更容易看懂。