模型评估不只看准确率——混淆矩阵、精确率、召回率、F1到底怎么用？

模型评估不只看准确率——混淆矩阵、精确率、召回率、F1到底怎么用？一个金融爱好者的AI学习手记 · 第15篇第9篇时，我有一个数据一直没提第9篇我们用逻辑回归做了完整的股价涨跌预测，输出了一个“准确率：66.67%”。我当时是这样写的：“测试集准确率66.67%——比随机猜测的50%强一点。”这句话没错，但我隐瞒了一个重要信息。当时我看到了完整的分类报告，里面有精确率、召回率、F1分数。但我没有展开讲，因为我怕一次性塞太多概念，你会被吓跑。现在回头看，我觉得那个决定是对的——先让你跑通流程，再回来补细节，学习效果更好。今天这篇，我们把“模型评估”这块拼图补齐。在https://pythononline.net上，我重新跑了第9篇的代码，这次盯着混淆矩阵看了很久：混淆矩阵： 预测跌 预测涨 实际跌 7 4 实际涨 2 5我突然意识到一件事：这个模型预测“跌”的准确率很高（7/11，64%），但预测“涨”的准确率很低（5/9，56%）。