6.1 评估指标

文档摘要

6.1 评估指标 6.1 评估指标在构建了文本分类或情感分析模型之后，评估其性能是至关重要的步骤。仅仅训练一个模型并不能保证它能很好地泛化到新的、未见过的数据上。有效的评估指标能够帮助我们理解模型的优缺点，指导模型改进的方向，并在不同模型之间进行公正的比较。本节将详细介绍在文本分类与情感分析任务中常用的评估指标及其意义。 6.1.1 评估的基石：混淆矩阵 (Confusion Matrix) 大多数分类模型的评估指标都源自一个基础工具：混淆矩阵。对于二分类问题（例如，情感分析中的正面/负面），混淆矩阵是一个 2x2 的表格，它汇总了模型在测试集上的预测结果与真实标签之间的关系。混淆矩阵包含四个关键数值：真正例 (True Positive, TP)：模型预测为正类，真实标签也是正类。