在评估的基本思路上，本章着重介绍评估分类模型的方法。你将学习如何使用标准指标来量化模型性能。

我们将从准确率开始，涵盖其计算方法和潜在不足，特别是在不平衡数据集等情况下。本章接着阐述混淆矩阵，作为进行更透彻分析的工具，并定义其核心组成部分：真阳性 ($TP$)、假阳性 ($FP$)、真阴性 ($TN$) 和假阴性 ($FN$)。

基于这些要素，我们将分析精确率（衡量准确程度）、召回率（衡量完整程度）以及结合两者的F1分数。我们还将讨论精确率和召回率之间常见的权衡取舍。目标是让你通过清晰的解释和实例，获得计算和解释这些重要分类指标的实际能力。