Các độ đo đánh giá (Evaluation Metrics)

Các độ đo đánh giá

Ma trận nhầm lẫn — gốc của mọi độ đo phân loại

	Dự đoán +	Dự đoán −
Thực tế +	TP	FN (lỗi loại II)
Thực tế −	FP (lỗi loại I)	TN

Bốn độ đo phân loại

Độ đo	Công thức	Trả lời câu hỏi
Accuracy	(TP+TN)/tổng	Đoán đúng bao nhiêu phần trăm?
Precision	TP/(TP+FP)	Khi mô hình báo dương, bao nhiêu lần đúng?
Recall	TP/(TP+FN)	Trong số ca dương thật, mô hình tìm ra bao nhiêu?
F1	2PR/(P+R)	Cân bằng cả hai

Chọn độ đo theo cái giá của lỗi

Câu hỏi quyết định: lỗi nào đắt hơn?

Bài toán	Lỗi đắt hơn	Ưu tiên
Sàng lọc ung thư	Bỏ sót ca bệnh (FN)	Recall
Lọc thư rác	Chặn nhầm mail quan trọng (FP)	Precision
Phát hiện gian lận	Cả hai đều tốn kém	F1

Vì sao F1 dùng trung bình điều hoà chứ không phải trung bình cộng: với P = 1.0 và R = 0.0, trung bình cộng cho 0.5 (nghe được), còn F1 cho 0 — phản ánh đúng thực tế là mô hình vô dụng. F1 không cho phép giấu một chỉ số kém.

Độ đo cho bài toán hồi quy

Độ đo	Đặc điểm
MAE	Trung bình trị tuyệt đối sai số. Dễ hiểu, cùng đơn vị với đầu ra
MSE / RMSE	Bình phương sai số — phạt nặng lỗi lớn
R²	So với baseline "luôn đoán trung bình". Bằng 1 là hoàn hảo, 0 là không hơn gì baseline

Chọn MAE khi mọi sai số đều tệ như nhau; chọn RMSE khi một sai số lớn nguy hiểm hơn nhiều sai số nhỏ.

from sklearn.metrics import classification_report, confusion_matrix
print(classification_report(y_test, y_pred))
print(confusion_matrix(y_test, y_pred))

Lỗi thường gặp nhất

Báo cáo mỗi accuracy. Trên dữ liệu mất cân bằng, một mô hình luôn đoán lớp đa số đạt accuracy rất cao mà không phát hiện được ca nào thuộc lớp cần tìm.