使用方式
- 輸入一次二元分類結果的 TP、FP、TN、FN。
- 必要時修改陽性與陰性標籤，讓結果更貼近你的資料集或工作流程。
- 同時閱讀精確率與召回率，才能一起討論誤報與漏判。
單一閾值下的陽性類別取捨
本頁專注於單一操作點，比混淆矩陣頁更聚焦，也比閾值掃描頁更輕量，方便快速說明陽性類別取捨。
輸入
執行計算後，可從一組二元結果檢視精確率、召回率與 F1。
精確率與召回率回答不同問題
精確率關心預測陽性是否可信；召回率關心實際陽性是否被找到。降低閾值時，召回率通常先上升，但更多邊界陰性會被判為陽性，因此精確率可能下降。
When to stay on this page
當團隊已選定一個操作閾值，且需要用平易語言說明結果取捨時，適合使用本頁。它常適合模型審查投影片、篩檢政策討論或閾值簽核筆記。
When to move to ROC AUC
ROC AUC 適合在閾值仍可調整時使用。如果主要問題是完整分數掃描下敏感度與特異度如何變化，而不是單一 cutoff 的結果，請先使用該頁。
常見問題
什麼時候應該用本頁而不是 ROC AUC？
當已選定一個閾值，並想檢查該操作點的精確率、召回率與 F1 時使用本頁。ROC AUC 則用於在決定 cutoff 前，跨多個閾值評估分數排序。
為什麼召回率提高時精確率可能變差？
較低的閾值通常會把更多案例標成陽性，因此抓到更多實際陽性、提高召回率，但也容易帶入更多偽陽性、降低精確率。
F1 在精確率與召回率之外提供什麼？
F1 是精確率與召回率的調和平均。只要其中一方偏弱，F1 就會下降，因此適合需要一個精簡陽性類別指標時使用。
分享 URL 會包含我的件數或標籤嗎？
不會。分享 URL 只保存小數位數等輕量設定；件數與自訂標籤會留在你的瀏覽器中。
相關頁面
Comments (optional)
To reduce load, comments are fetched only when needed.