分類與 Confusion Matrix（必考）
一句話理解
要取哪個 Confusion Matrix 數值作為結果，取決於「哪種錯誤的代價更高」。
⚠️ 必考重點
要取 Confusion Matrix 哪個數值作為結果是需要討論的！
Confusion Matrix 範例
以辨識四個科系（工管、設計、電機、應外）為例，整體準確率：93%
三個討論問題
| 討論 | 問題 | 對應指標 |
|---|---|---|
| 討論1 | 如果是要判斷辨識能力？ | 整體 Accuracy |
| 討論2 | 如果是要判斷工管系學生被辨識出的容易程度？ | Recall（召回率） |
| 討論3 | 一個學生被說是電機學生，一定是對的嗎？ | Precision（精確率） |
⚠️ 陷阱：總辨識率不一定是最好
情境：兩種快篩試紙的癌症辨識結果
試紙 A（總辨識率 75%）
- 癌症 Recall：100%（不漏診任何癌症）
- 偽陽性：50 人（誤診率高）
試紙 B（總辨識率 95%）
- 總辨識率高，偽陽性為 0
- 但有 10 例癌症被漏診（偽陰性）
分析比較
| 指標 | 試紙 A | 試紙 B |
|---|---|---|
| 總辨識率 | 75% | 95% |
| 癌症 Recall | 100% | 90% |
| 偽陰性（漏診癌症） | 0 人 | 10 人 |
| 偽陽性（誤診為癌症） | 50 人 | 0 人 |
關鍵觀念
要選哪個指標，取決於「哪種錯誤的代價更高」
- 癌症篩檢 → 漏診代價遠大於誤診 → 優先看 Recall（召回率）
- 不同場景要選不同指標，不能只看 Accuracy！