🔑 名詞卡
混淆矩陣（Confusion Matrix）
🎯 定義
二元分類問題中，以「正類（Positive）」與「負類（Negative）」對照實際與預測結果的標準表格，是計算 Accuracy、Precision、Recall、F1 等分類指標的基礎。
重點／應用
| 實際 Positive | 實際 Negative | |
|---|---|---|
| 預測 Positive | TP（真正） | FP（假正） |
| 預測 Negative | FN（假負） | TN（真負） |
由此衍生： $\(\text{Accuracy}=\frac{TP+TN}{TP+TN+FP+FN}\quad\text{Precision}=\frac{TP}{TP+FP}\quad\text{Recall}=\frac{TP}{TP+FN}\)$
記憶技巧
「TP/TN 是猜對的，FP/FN 是猜錯的；第一個字母代表『猜對還猜錯』，第二個字母代表『猜成什麼類別』」。
易混淆
- vs ROC-AUC：混淆矩陣是「單一閾值下」的結果統計；ROC-AUC 則是綜觀「所有可能閾值」下的整體區分能力。
📖 課文原文「以下是二元分類問題中的混淆矩陣（Confusion Matrix）標準格式，以『正類（Positive）』和『負類（Negative）』作為預測與實際的對照。」