分类问题统计指标入门：混淆矩阵、召回、误检率、AUROC 在机器学习和数据科学领域，分类问题是一个非常常见的问题。在分类问题中，我们的目标是预测样本属于哪个类别。为了评估分类模型的性能，我们需要使用一些统计指标。本文将介绍四个常用的分类问题统计指标：混淆矩阵、召回、误检率和AUROC。 混淆矩阵 混淆矩阵是分类问题中最常用的统计指标之一。它是一个二维矩阵，用于比较分类模型的预测结果和真实结果。混淆矩阵的四个元素分别是真正例（True Positive，TP）、假正例（False Positiv