超强，必会的机器学习评估指标
```markdown
# 机器学习模型评估指标概览
机器学习模型评估涉及多种指标，用于量化模型在分类和回归任务中的表现。关键指标包括：
- **分类**：
- **准确率**: 简单易懂，但在类别不平衡时可能误导。
- **精确率**: 衡量正类预测的准确性，适用于误报代价高的场景。
- **召回率**: 评估正类识别的完整性，适用于漏报代价高的场景。
- **F1分数**: 精确率和召回率的调和平均，平衡两者。
- **AUC**: 衡量模型区分正负类的能力，适用于不平衡数据。
- **混淆矩阵**: 提供详细分类结果，用于分析模型错误。
