混淆矩陣

混淆矩陣是一張成績單，把分類器的結果依「到底答對了什麼」、更重要的是「以何種方式答錯」加以拆解。它是一個方形網格：每個真實類別佔一列（或一欄），另一軸則對應每個預測類別。每個格子計算「真實類別為 i 的樣本，被模型預測為類別 j」的數量。對角線上是正確預測；對角線以外的一切都是錯誤，而其位置會告訴你錯誤的具體種類——不只是「模型錯了」，而是「它把『狼』混成了『哈士奇』」。

具體而言，對二元問題，這個 2×2 矩陣有四個格子：真正例（TP）、假正例（FP）、假負例（FN）與真負例（TN）。幾乎所有其他指標都是這些格子的比值：準確率 = (TP+TN)/總數，精確率 = TP/(TP+FP) 是沿著某「預測欄」往下讀，召回率 = TP/(TP+FN) 是沿著某「真實列」橫著讀。因此混淆矩陣是精確率、召回率、特異度與 F1 全部由此計算而出的原料——它比任何單一純量更基本，因為此時尚未折損任何資訊。

它真正的威力在於揭露被摘要數字所掩蓋、具系統性且有結構的錯誤。某模型整體準確率或許不差，卻把所有錯誤都倒進某一種混淆裡：數字 4 與 9、長相相似的路標、或兩種狗的品種。一個明亮的「非對角區塊」說的是「這兩個類別被搞混了」，這就指向了修法——更多資料、更好的特徵、合併標籤，或重新標註被標錯的真實標籤。分讀列與欄能區分兩種失敗模式：稀疏的一列代表某類別很少被找回（低召回率），密集的一欄代表某類別被過度預測（低精確率）。

類別很多時，原始計數最好以熱圖檢視，而且常做「列正規化」（每一列除以其總數），讓格子以比例顯示各類別召回率，使稀有類別能與常見類別相比。要小心：混淆矩陣是在某一個固定決策閾值下算出的，因此它是一張快照、而非全貌——改變閾值，格子就會移動。它也假設硬性預測，丟棄了模型的信心度，這正是它自然要與 ROC、PR 曲線等「掃描閾值」的工具搭配的原因。