解释混淆矩阵（Confusion Matrix）和 ROC 曲线（面试题200合集，高频、关键）

一、混淆矩阵（Confusion Matrix）：简单说就是“成绩单”

想象你是个医生，要用一个模型判断病人有没有得病（比如感冒）。病人分两类：有病（阳性）和没病（阴性）。模型会预测每个病人是“有病”还是“没病”，但它不一定每次都猜对。混淆矩阵就是一张表，记录模型猜对猜错的情况，像考试后的成绩单一样。

混淆矩阵的四块“拼图”

假设模型预测了100个病人，结果可以用一个2×2的表格表示：

• 真阳性 (TP, True Positive)：实际有病，模型也说有病。比如10个真病人，模型正确认出8个，TP=8。
• 假阴性 (FN, False Negative)：实际有病，模型却说没病。剩下2个病人被漏诊，FN=2。