机器学习面试题：请讲一讲分类评估方式?

        评估分类模型是机器学习中至关重要的一环，它帮助我们了解模型的性能、比较不同模型的优势，并指导我们进行模型优化。一个全面的分类评估通常需要结合多种指标，并从不同角度进行分析。

我将从以下几个层面来介绍常见的分类评估方式：

1. 基础：混淆矩阵

2. 核心指标：准确率、精确率、召回率、F1 Score

3. 宏观视角：ROC曲线与AUC值

4. 概率校准：PR曲线

5. 多分类问题的处理

6. 业务层面的考量

---

1. 混淆矩阵 - 所有评估的基石

混淆矩阵是一个N x N的表格（N为类别数），它清晰地展示了模型预测结果和真实标签的对应关系。对于二分类问题，它是所有核心指标的计算基础。

	预测为正例 (Positive)