混淆矩陣是什麼？它是一張四格表，把模型的判斷分成抓對、冤枉、漏掉、放對四種，讓你看清模型把什麼跟什麼搞混了。
準確率、精確率、召回率、F1 這四個分數，全部都是從這四格算出來的。這篇用流感快篩當例子，同一組數字從頭算到尾，再告訴你每個分數變高、變低代表什麼，以及為什麼光看準確率會被騙。
為什麼你需要知道
- 分數會騙人：一個「全部猜沒病」的模型，準確率可以高達 99%，但一個病人都抓不到。不懂混淆矩陣，你會把爛模型當成好模型
- 四個分數長很像：準確率、精確率、召回率，中文只差一兩個字，英文縮寫一堆 TP、FP，很多人看了幾十篇還是搞混
- 選錯分數，模型就往錯的方向優化：抓詐騙要追召回率，擋垃圾信要顧精確率。方向錯了，模型越調越糟
- 證照必考：PMLE 考題很愛給情境問「該看哪個指標」，答案幾乎都藏在這張四格表裡
先看全貌：快篩的四種結果
第 2 篇〈分類和迴歸差在哪？〉講過，分類是讓模型回答「選項題」。最簡單的分類只有兩個選項，例如「有流感／沒流感」，叫二元分類。
流感快篩就是一個二元分類：試劑看完你的檢體，回答「陽性（有）」或「陰性（沒有）」。
拿快篩結果和「真正有沒有生病」比對，只會出現四種情況：
| 真的有流感 | 真的沒流感 | |
|---|---|---|
| 快篩說陽性 | ✅ 抓對了：生病，也驗出來 | ❌ 冤枉人：沒病，卻說你有 |
| 快篩說陰性 | ❌ 漏掉了：生病，卻沒驗出來 | ✅ 放對了：沒病，也說沒有 |
這張四格表，就是混淆矩陣。
「陽性」在機器學習裡不是好或壞的意思，而是「我們要找的那一類」。抓流感時，有流感是陽性；抓詐騙時，詐騙是陽性；抓垃圾信時，垃圾信是陽性。
混淆矩陣（Confusion Matrix）
白話是什麼
混淆矩陣：一張表，把模型的每一次判斷，依照「它猜什麼」和「實際是什麼」分類，數一數每一格有幾次。
比喻
就像老師改完考卷後做的錯題統計：不只看總分，還要看哪幾題錯、錯成什麼。有的學生總分不錯，但「應該選 A 的都選成 B」，這個毛病光看總分看不出來。
來龍去脈
「矩陣」是數學用語，意思就是排成橫列和直欄的一張數字表。
叫「混淆」，是因為它專門讓你看出模型把什麼跟什麼搞混了。Google Cloud 的官方文件也是這樣解釋：混淆矩陣讓你看出模型在哪裡把兩種結果「confusing（搞混）」。
四格的英文名字怎麼記
英文縮寫是讓大家最頭痛的地方。其實只要拆成兩半：
- 第二個字（Positive／Negative）：模型猜什麼。Positive＝猜陽性，Negative＝猜陰性
- 第一個字（True／False）：模型猜對沒。True＝猜對，False＝猜錯
| 縮寫 | 英文全名 | 中文 | 快篩比喻 | 拆開來讀 |
|---|---|---|---|---|
| TP | True Positive | 真陽性 | 抓對了 | 猜陽性，猜對了 |
| FP | False Positive | 偽陽性 | 冤枉人 | 猜陽性，猜錯了 |
| FN | False Negative | 偽陰性 | 漏掉了 | 猜陰性，猜錯了 |
| TN | True Negative | 真陰性 | 放對了 | 猜陰性，猜對了 |
一句話記：後面的字看模型說什麼，前面的字看它說對沒。
帶一組數字進去
假設（教學用的數字）有 100 個人做快篩，其中 10 個人真的有流感、90 個人沒有。快篩結果是：
| 真的有流感（10 人） | 真的沒流感（90 人） | |
|---|---|---|
| 快篩說陽性（14 人） | TP 抓對了：8 | FP 冤枉人：6 |
| 快篩說陰性（86 人） | FN 漏掉了：2 | TN 放對了：84 |
檢查一下：8 + 6 + 2 + 84 = 100，四格加起來就是全部的人。
- 直的看（同一欄）：真的有流感的 10 人，8 個被抓到、2 個漏掉
- 橫的看（同一列）：快篩說陽性的 14 人，8 個真的有病、6 個被冤枉
接下來四個分數，全部都用這組數字算。
為什麼要學
模型出錯有兩種：冤枉人（FP）和漏掉（FN），這兩種錯的代價通常不一樣。癌症篩檢漏掉一個病人，可能延誤治療；冤枉一個健康的人，頂多再做一次檢查。混淆矩陣把這兩種錯分開來數，你才能依照代價做決定。
準確率（Accuracy）：全部裡面猜對幾個
白話是什麼
準確率：所有判斷裡，猜對的比例。陽性猜對、陰性猜對都算。
比喻
就像考卷的總分：100 題對 92 題，就是 92 分。最直覺，但總分看不出你是哪一類題目一直錯。
來龍去脈
Accuracy 原意就是「正確」。因為它最直覺、四格全部用到，常被當成預設的評估分數。Google 速成課程也提醒：只有在兩類人數差不多時，它才是一個粗略但可用的指標。
公式
準確率 = (抓對了 + 放對了) ÷ 全部
= (TP + TN) ÷ (TP + TN + FP + FN)算一次給你看
準確率 = (8 + 84) ÷ 100 = 92 ÷ 100 = 0.92 → 92%數字怎麼看
- 越接近 1（100%）越好，代表幾乎都猜對
- 92% 聽起來很厲害，但先別急。下一段會看到，一個完全沒用的模型也能拿到 90%
為什麼光看準確率會被騙
算一次給你看：「全部猜沒病」的偷懶模型
假設有個偷懶的快篩，不管誰來驗，一律說陰性。用同樣 100 個人（10 個有病）來算：
| 真的有流感（10 人） | 真的沒流感（90 人） | |
|---|---|---|
| 說陽性 | TP：0 | FP：0 |
| 說陰性 | FN：10 | TN：90 |
準確率 = (0 + 90) ÷ 100 = 0.90 → 90%一個病人都沒抓到，準確率還有 90%，只比我們的快篩（92%）低 2 個百分點。
更極端：100 人只有 1 人生病
偷懶模型一律說陰性：
抓對了 0、冤枉人 0、漏掉了 1、放對了 99
準確率 = (0 + 99) ÷ 100 = 0.99 → 99%準確率 99%，但唯一的病人被放回家了。
這種「某一類非常少」的資料，叫做類別不平衡（Class Imbalance）。Google 機器學習速成課程舉的例子一樣：陽性只佔 1% 時，一個永遠猜陰性的模型準確率有 99%，但完全沒用。真實世界裡，詐騙交易、罕見疾病、設備故障，幾乎都是這種資料。（類別不平衡怎麼處理，第 9 篇會講。）
結論：準確率只有在「兩類人數差不多」時才有參考價值。類別不平衡時，要看下面的精確率和召回率。
精確率（Precision）：說陽性的，有幾個真的是
白話是什麼
精確率：模型說是陽性的那些人裡，真的是陽性的比例。
比喻
快篩說你有流感，你心裡想：「這個陽性可以信嗎？」精確率就是在回答這個問題。精確率低，代表它很愛冤枉人。
來龍去脈
Precision 原意是「精準、不亂來」。只看模型舉手說「是」的那一群，裡面有多少是真的。分母只放「模型說陽性」的人，所以沒說陽性的人（包括漏掉的）完全不影響精確率。
公式
精確率 = 抓對了 ÷ (抓對了 + 冤枉人)
= TP ÷ (TP + FP)算一次給你看
精確率 = 8 ÷ (8 + 6) = 8 ÷ 14 ≈ 0.57 → 57%數字怎麼看
- 0.57：快篩說陽性的 14 人裡，只有 8 人真的有病。拿到陽性，大約一半的機率是被冤枉的
- 精確率變高：冤枉人變少，說陽性就比較可信
- 精確率變低：一直亂報陽性，大家開始不信它
- 什麼時候要追高：冤枉人代價很高的時候。例如垃圾信過濾，把老闆的重要信件丟進垃圾桶（冤枉）比漏掉一封廣告信嚴重多了
召回率（Recall）：真的有病的，抓到幾個
白話是什麼
召回率：真的是陽性的那些人裡，模型抓到的比例。
比喻
站在衛生局的角度：「真的有流感的人，我們抓到幾成？」召回率低，代表它很常漏掉。
來龍去脈
Recall 原意是「召回、找回來」，就像車廠召回有問題的車：問題車總共有這麼多台，你找回來幾台？
醫學上同一個東西叫敏感度（Sensitivity），機器學習也叫真陽性率（True Positive Rate，TPR）。三個名字，同一條公式。下一篇講 ROC 曲線時，會一直用到「真陽性率」這個名字。
公式
召回率 = 抓對了 ÷ (抓對了 + 漏掉了)
= TP ÷ (TP + FN)算一次給你看
召回率 = 8 ÷ (8 + 2) = 8 ÷ 10 = 0.80 → 80%再算那個「一律說陰性」的偷懶模型：
偷懶模型的召回率 = 0 ÷ (0 + 10) = 0 → 0%準確率 90% 看不出來的問題，召回率一算就現形了。
數字怎麼看
- 0.80：10 個流感病人，抓到 8 個，漏掉 2 個
- 召回率變高：漏掉的變少
- 召回率變低：很多病人被放回家
- 什麼時候要追高：漏掉代價很高的時候。癌症篩檢、詐騙偵測、傳染病篩檢，寧可多冤枉幾個人再做複檢，也不能漏掉
精確率和召回率，通常沒辦法兩個都要
算一次給你看：換一個「寧可錯殺」的快篩
假設有另一款快篩 B，設計得很敏感，只要有一點點跡象就判陽性。同樣 100 人（10 人有病）：
| 真的有流感（10 人） | 真的沒流感（90 人） | |
|---|---|---|
| 快篩 B 說陽性（30 人） | TP：10 | FP：20 |
| 快篩 B 說陰性（70 人） | FN：0 | TN：70 |
| 分數 | 快篩 A（原本的） | 快篩 B（寧可錯殺） |
|---|---|---|
| 準確率 | (8 + 84) ÷ 100 = 0.92 | (10 + 70) ÷ 100 = 0.80 |
| 精確率 | 8 ÷ 14 ≈ 0.57 | 10 ÷ 30 ≈ 0.33 |
| 召回率 | 8 ÷ 10 = 0.80 | 10 ÷ 10 = 1.00 |
數字怎麼看：
- 快篩 B 一個病人都沒漏掉（召回率 1.00），代價是冤枉了 20 個人，拿到陽性只有三分之一是真的（精確率 0.33）
- 快篩 A 冤枉的人少，但漏掉 2 個病人
- 哪個比較好？看漏掉和冤枉哪個代價高。 傳染病防疫，選 B，陽性的人再做一次精密檢查就好；如果陽性要直接吃很傷身的藥，就要偏向 A
這就是精確率和召回率的取捨（trade-off）：模型越敢說陽性，召回率越高、精確率越低；越保守，精確率越高、召回率越低。官方速成課程的說法是：兩者常常呈現此消彼長的關係。
控制這個取捨的旋鈕：門檻
模型其實不是直接說「陽性／陰性」，而是先算出一個機率，例如「這個人有 70% 機率有流感」，再跟一個門檻（Threshold）比：超過門檻就說陽性。
- 門檻調低（例如 0.3）：比較敢說陽性 → 召回率上升、精確率下降，像快篩 B
- 門檻調高（例如 0.8）：比較保守 → 精確率上升、召回率下降
BigQuery ML 的預設門檻是 0.5。門檻怎麼調、怎麼畫成 ROC 曲線，下一篇（第 6 篇）會用好幾個門檻一個一個算給你看。
F1 分數（F1 Score）：精確率和召回率的綜合分數
白話是什麼
F1 分數：把精確率和召回率合成一個分數。兩個都高，F1 才會高；有一個很爛，F1 就被拖下來。
比喻
像看一個學生的兩科成績，但不准偏科。數學 100、國文 0 的學生，F1 會給他很低的分數，不會給他平均 50 分。
來龍去脈
F1 用的是一種特別的平均，叫調和平均數（Harmonic Mean），它的特性就是被比較小的那個數字拉著走。名字裡的「1」，是因為它把精確率和召回率看得一樣重要（權重 1：1）。
公式
F1 = 2 × 精確率 × 召回率 ÷ (精確率 + 召回率)
= 2TP ÷ (2TP + FP + FN)（兩條公式算出來一樣，第二條直接用四格的數字，不用先算精確率、召回率，比較不會有四捨五入的誤差。）
算一次給你看
快篩 A：F1 = (2 × 8) ÷ (2 × 8 + 6 + 2) = 16 ÷ 24 ≈ 0.67
快篩 B：F1 = (2 × 10) ÷ (2 × 10 + 20 + 0) = 20 ÷ 40 = 0.50用第一條公式驗算快篩 A：2 × 0.571 × 0.8 ÷ (0.571 + 0.8) = 0.914 ÷ 1.371 ≈ 0.67，一樣。
為什麼不直接平均？
看一個極端的例子：一款超保守的快篩，100 人裡只說 1 個人陽性，而且這 1 個真的有病。
抓對了 1、冤枉人 0、漏掉了 9
精確率 = 1 ÷ 1 = 1.00
召回率 = 1 ÷ 10 = 0.10
直接平均 = (1.00 + 0.10) ÷ 2 = 0.55
F1 = (2 × 1) ÷ (2 × 1 + 0 + 9) = 2 ÷ 11 ≈ 0.18數字怎麼看：直接平均給 0.55，看起來還及格；但它漏掉了 9 成的病人。F1 只給 0.18，比較誠實。
- F1 越接近 1：精確率、召回率都高
- F1 很低：至少有一個很爛
- 什麼時候用 F1：類別不平衡、而且冤枉和漏掉都在意的時候。如果你很清楚只在意其中一種錯，就直接看那一個分數
四個分數一張表比完
| 分數 | 白話問題 | 公式 | 快篩 A | 什麼時候看 |
|---|---|---|---|---|
| 準確率（Accuracy） | 全部裡猜對幾成？ | (TP + TN) ÷ 全部 | 0.92 | 兩類人數差不多時 |
| 精確率（Precision） | 說陽性的，幾成真的是？ | TP ÷ (TP + FP) | 0.57 | 冤枉人代價高（垃圾信） |
| 召回率（Recall） | 真的陽性，抓到幾成？ | TP ÷ (TP + FN) | 0.80 | 漏掉代價高（癌症、詐騙） |
| F1 分數 | 精確率和召回率都顧到了嗎？ | 2TP ÷ (2TP + FP + FN) | 0.67 | 不平衡，兩種錯都在意 |
記法：精確率的分母是「模型說陽性的」（看橫的那一列），召回率的分母是「真的陽性的」（看直的那一欄）。
順便認識一個：偽陽性率（False Positive Rate，FPR）＝ 冤枉人 ÷ 真的沒病的人 ＝ FP ÷ (FP + TN)。快篩 A 是 6 ÷ 90 ≈ 0.07，意思是每 100 個健康的人，約 7 個會被冤枉。醫學上的特異度（Specificity）就是 1 − 0.07 ≈ 0.93。下一篇的 ROC 曲線，就是用「召回率」和「偽陽性率」畫出來的。
不只兩類：多類別的混淆矩陣
如果快篩要分辨三種結果：A 型流感、B 型流感、新冠，混淆矩陣就變成 3 × 3 的表（教學用的數字，每種各 20 人）：
| 實際 ＼ 模型判斷 | A 型流感 | B 型流感 | 新冠 |
|---|---|---|---|
| A 型流感（20 人） | 15 | 4 | 1 |
| B 型流感（20 人） | 5 | 14 | 1 |
| 新冠（20 人） | 0 | 1 | 19 |
怎麼看：
- 左上到右下那條斜線是猜對的：15 + 14 + 19 = 48，準確率 48 ÷ 60 = 0.80
- 斜線以外是搞混的：A 型被當成 B 型 4 次、B 型被當成 A 型 5 次。模型最常把 A 型和 B 型搞混，新冠倒是分得很清楚
- 知道搞混在哪，就知道要補什麼資料：多收集一些 A、B 型的樣本，或找能區分兩者的特徵
這就是「混淆」矩陣名字的由來：一眼看出誰跟誰搞混了。
在 GCP 上怎麼做
GCP（Google Cloud Platform） 是 Google 的雲端服務，白話說就是租用 Google 機房裡的電腦和工具。訓練完分類模型，GCP 會自動幫你算好混淆矩陣和這四個分數。
1. BigQuery ML：兩個函式就看得到
- BigQuery：Google 的大型資料倉庫，專門存放和分析超大量的表格資料
- BigQuery ML：讓你用 SQL（跟資料庫說話的語言）直接在 BigQuery 裡訓練模型
假設（教學用的例子）診所有一張表，記錄每位病人的體溫、有沒有咳嗽，和最後確診的結果 has_flu，先訓練一個分類模型：
CREATE MODEL `clinic.flu_model`
OPTIONS(model_type='LOGISTIC_REG',
input_label_cols=['has_flu']) AS
SELECT body_temp, has_cough, has_flu
FROM `clinic.visits`;LOGISTIC_REG 是邏輯迴歸：名字有「迴歸」，但其實是分類模型，專門回答「是／不是」的問題（第 2 篇講過）。
看四個分數，用 ML.EVALUATE：
SELECT * FROM ML.EVALUATE(MODEL `clinic.flu_model`);分類模型會回傳 precision（精確率）、recall（召回率）、accuracy（準確率）、f1_score（F1）、log_loss、roc_auc（下一篇會講）。
看混淆矩陣，用 ML.CONFUSION_MATRIX，還可以自己指定門檻：
SELECT *
FROM ML.CONFUSION_MATRIX(MODEL `clinic.flu_model`,
(SELECT body_temp, has_cough, has_flu FROM `clinic.visits_2026`),
STRUCT(0.3 AS threshold));依照官方文件，幾個要注意的地方：
- 預設門檻是 0.5；要改門檻，就要像上面一樣給一份評估資料（
TABLE或查詢） - 沒給評估資料的話，它會用訓練時切出來的評估資料來算；訓練時沒切，就用整份訓練資料算（那等於在考練習題，第 4 篇講過為什麼不行）
- 方向要看清楚：BigQuery ML 的混淆矩陣是每一列是實際答案、每一欄是模型判斷，對角線是猜對的。Google 速成課程的表格剛好反過來（列是模型判斷、欄是實際答案）。不同工具擺法不一樣，每次先看清楚列和欄的標題再讀數字
- 精確率回傳
NaN（不是數字）代表這個門檻下模型一個陽性都沒說，分母是 0；召回率是 0 代表一個都沒抓到
2. AutoML on Agent Platform（原 Vertex AI AutoML）
AutoML：只要把資料丟進去，Google 自動幫你挑模型、調超參數的服務，不用寫程式。這個服務所在的平台最近改名了：
舊題庫可能還會看到 Vertex AI AutoML，現在叫 AutoML on Gemini Enterprise Agent Platform。
Google Cloud 在 2026 年 4 月 22 日把 Vertex AI 改名為 Gemini Enterprise Agent Platform（簡稱 Agent Platform），底下功能跟著改名（官方對照表）。功能本身是延續的。
依照官方文件，AutoML 訓練完分類模型，評估頁面會直接列出：
- 混淆矩陣，顯示模型在哪裡把兩種結果搞混
- 精確率、召回率、F1，以及真陽性、偽陽性、真陰性、偽陰性的次數
- 信心門檻（confidence threshold）：可以拉動門檻，看精確率和召回率怎麼變。官方寫得很直接：門檻調高，精確率上升、召回率下降
| 舊名稱 | 現在的名稱 |
|---|---|
| Vertex AI | Gemini Enterprise Agent Platform（Agent Platform） |
| Vertex AI AutoML | AutoML on Gemini Enterprise Agent Platform |
| Vertex AI Model Monitoring | Model Monitoring on Gemini Enterprise Agent Platform |
模型上線後，也要持續追蹤這些分數有沒有變差，這部分在第 20 篇（模型監控）會講。
考試會怎麼考
Google Cloud Professional Machine Learning Engineer（PMLE，專業機器學習工程師） 證照，2026 年 6 月 1 日起的官方考試指南裡，評估指標出現在這幾個地方：
| 考試區塊 | 跟這篇有關的項目 |
|---|---|
| 第 1 區：用低程式碼方式打造 AI 方案（約 13%） | 用 BigQuery ML、AutoML 建分類模型 |
| 第 2 區：跨團隊管理資料與模型（約 16%） | 評估預測型與生成式 AI 方案（例如模型評估指標） |
| 第 6 區：監控 AI 方案（約 13%） | 為正式上線的模型建立持續評估指標 |
考題幾乎不會叫你背公式，而是描述一個商業情境，問你該看哪個指標。關鍵就是判斷：這個情境裡，冤枉和漏掉哪個比較貴？
看到這些字，就想到這個
| 題目出現的關鍵字 | 想到 |
|---|---|
| 「不能漏掉任何一個」「詐騙」「癌症」「瑕疵品流到客戶手上」 | 召回率 |
| 「誤判會造成客訴」「不要打擾正常客戶」「誤刪重要信件」 | 精確率 |
| 「只有 1% 是陽性」「資料高度不平衡」 | 不要看準確率，改看精確率、召回率、F1 或 AUC-PR |
| 「同時在意誤判和漏判」「要一個單一分數」 | F1 分數 |
| 「調整模型判斷的嚴格程度」 | 調門檻（threshold） |
| 「模型最常把 A 和 B 搞混」 | 看混淆矩陣的非對角線 |
| 「上線後持續追蹤模型表現」 | Agent Platform Model Monitoring、持續評估 |
三個常見陷阱
- 準確率 99% 就以為很好：題目先說「只有 1% 的交易是詐騙」，接著說模型準確率 99%，問題通常就是要你看出這個模型可能完全沒用
- 精確率和召回率搞反：抓詐騙「不能放過任何一筆」是召回率；「被標成詐騙的大多真的是詐騙」才是精確率
- 只換模型，不調門檻：很多題目要的是「把門檻調低／調高」，而不是重新訓練
練習情境（自己出的練習，不是真實考題）
一家銀行要用模型偵測信用卡盜刷，盜刷只佔所有交易的 0.5%。被標成盜刷的交易會先暫停，再由客服打電話確認。主管希望「盡量不要讓盜刷漏網」。模型的準確率已經 99.5%，資料科學家該怎麼評估和調整？
判斷過程：
- 「只佔 0.5%」→ 類別不平衡，99.5% 準確率可能是「全部猜正常」的偷懶模型，準確率不能看
- 「盡量不要漏網」→ 漏掉的代價高，主要看召回率
- 「客服會打電話確認」→ 冤枉人的代價相對低（只是多一通電話），可以接受精確率下降
- 調整方向：把門檻調低，讓模型更敢說「這筆是盜刷」，同時用精確率確認客服接得住的電話量
常見問答
混淆矩陣是什麼？
混淆矩陣是一張表，把分類模型的每一次判斷，依照「模型猜什麼」和「實際是什麼」分成四格：真陽性（抓對了）、偽陽性（冤枉人）、偽陰性（漏掉了）、真陰性（放對了）。準確率、精確率、召回率、F1 都是從這四格算出來的。
精確率和召回率差在哪？
精確率看的是「模型說陽性的人裡，有幾成真的是」，公式是 TP ÷ (TP + FP)，冤枉人越少越高。召回率看的是「真的陽性的人裡，模型抓到幾成」，公式是 TP ÷ (TP + FN)，漏掉越少越高。兩者通常此消彼長。
準確率很高，為什麼模型還是不好？
因為資料可能類別不平衡。例如 100 人只有 1 人生病，一個不管誰都說「沒病」的模型，準確率就有 99%，但召回率是 0，一個病人都抓不到。陽性很少的時候，要改看精確率、召回率或 F1。
F1 分數是什麼？為什麼不直接平均？
F1 是精確率和召回率的調和平均數，公式是 2TP ÷ (2TP + FP + FN)。它會被比較低的那個拉下來：精確率 1.0、召回率 0.1 時，直接平均是 0.55，F1 只有約 0.18，比較能反映「漏掉 9 成」這個問題。
TP、FP、FN、TN 怎麼記？
拆成兩半看：後面的 Positive／Negative 是模型猜什麼（陽性／陰性），前面的 True／False 是模型猜對沒。所以 FP 是「猜陽性、猜錯了」，也就是冤枉人；FN 是「猜陰性、猜錯了」，也就是漏掉了。
召回率和敏感度一樣嗎？
一樣。召回率（Recall）、敏感度（Sensitivity）、真陽性率（True Positive Rate，TPR）是同一條公式 TP ÷ (TP + FN)，只是不同領域習慣的叫法：機器學習多說召回率，醫學多說敏感度，畫 ROC 曲線時多說真陽性率。
什麼時候該看精確率，什麼時候看召回率？
看哪一種錯比較貴。漏掉代價高（癌症篩檢、詐騙偵測、瑕疵品檢查）要追召回率；冤枉代價高（垃圾信過濾、推播打擾客戶、誤封帳號）要追精確率。兩種都在意，就看 F1。
Vertex AI 的模型評估現在去哪裡看？
Vertex AI 在 2026 年 4 月 22 日改名為 Gemini Enterprise Agent Platform（簡稱 Agent Platform），AutoML 現在叫 AutoML on Gemini Enterprise Agent Platform。訓練完分類模型，評估頁面一樣會列出混淆矩陣、精確率、召回率、F1，並可以調信心門檻。
重點整理
- 混淆矩陣把判斷分成四格：抓對了（TP）、冤枉人（FP）、漏掉了（FN）、放對了（TN）；後面的字看模型說什麼，前面的字看說對沒
- 準確率＝猜對的比例，類別不平衡時會騙人：100 人 1 人生病，全部猜沒病也有 99%
- 精確率＝說陽性的有幾成是真的（怕冤枉人就追它）；召回率＝真的陽性抓到幾成（怕漏掉就追它），兩者此消彼長，靠門檻調整
- F1＝精確率和召回率的調和平均，有一個爛就拉低，適合不平衡又兩種錯都在意的情況
- BigQuery ML 用
ML.EVALUATE、ML.CONFUSION_MATRIX（預設門檻 0.5）；AutoML（原 Vertex AI，現為 Gemini Enterprise Agent Platform）評估頁面可以直接拉門檻看變化
延伸閱讀
本系列
- 第 1 篇：機器學習有哪幾種？監督式、非監督式、強化學習一次看懂
- 第 2 篇：分類和迴歸差在哪？一個例子搞懂，附 MAE、RMSE 計算
- 第 3 篇：特徵、標籤、超參數是什麼？機器學習 5 個必懂名詞
- 上一篇：第 4 篇：訓練集、驗證集、測試集怎麼切？時間序列為什麼不能亂切
- 下一篇：第 6 篇：ROC 曲線和 AUC 怎麼看？AUC-ROC、AUC-PR 差在哪、門檻怎麼調（撰寫中）
站上相關文章
- iPAS AI 應用規劃師初級認證考試 人工智慧概論 重點整理＆簡報下載
- BigQuery 不就是查詢嗎？跟資料庫差在哪裡？能做什麼分析？
- Vertex AI 核心功能 Agent Builder、Model Builder 和 Model Garden 介紹
- GCP 學習路徑 Learning Roadmap 和八大關卡
混淆矩陣看懂了，之後不管是準確率、精確率、召回率，還是下一篇的 ROC、AUC，都只是從這四格換個角度算而已。如果你想有系統地從雲端基礎一路學到在 GCP 上動手做機器學習，可以看看東東的 GCP 課程，或加 LINE 聊聊你現在的狀況，一起找出最適合你的學習順序。