評估指標

朴素貝氏輸出的是機率,所以它的成績單有兩層:分類判得對不對(準確率、F1-Score),機率報得準不準(對數損失)。

核心觀念

準確率衡量整體正確率;精確率與召回率評估分類效果 — 前者管「說是垃圾郵件的裡面多少真的是」,後者管「真的垃圾郵件被攔下多少」。F1-Score 是兩者的調和平均。對數損失(Log Loss)進一步衡量機率預測品質:越有信心卻答錯,罰得越重,數值越小越好。

白話理解

垃圾郵件過濾:精確率低 = 正常信被誤殺,重要信件進垃圾桶;召回率低 = 垃圾信漏網塞爆收件匣。Log Loss 則專抓「說 99% 是垃圾結果不是」這種自信爆棚的錯。

評估重點

• 準確率:類別均衡時的快速指標
• 精確率 vs 召回率:誤殺與漏抓的取捨,依業務代價選邊
• F1-Score = 精確率與召回率的調和平均,不平衡資料首選
• 對數損失:懲罰過度自信的錯誤機率,評估機率品質的專用尺
• 判定門檻可依業務調整:寧可誤殺就調高、寧可錯放就調低,精確率與召回率會跟著蹺蹺板

🎯 口訣:分類對錯看 F1,機率品質看 Log Loss。

iPAS 考點

情境題常問「垃圾郵件過濾、疾病篩檢該重視哪個指標」— 怕誤殺重精確率、怕漏抓重召回率;精確率與召回率定義互換是最常見陷阱。看到「衡量機率預測品質」關鍵字,答案方向就是對數損失。