在机器学习项目中，你会采用哪些方法来衡量一个模型的好坏？请列举并解释几种常用的性能评估指标。

回答思路

1. 【回答框架 1】模型评估的核心是衡量模型泛化能力，即对未见数据的预测表现，而非仅对训练数据的拟合。评估通常分为两部分：选择合适的评估协议（如留出法、交叉验证）和选择合适的评估指标。
2. 【回答框架 2】对于分类问题，常用指标包括准确率、精确率、召回率、F1值、ROC曲线下面积AUC等。准确率是整体正确比例，但类别不平衡时不可靠；精确率衡量预测为正类中的正确率，召回率衡量真实正类被找出的比例，F1是两者的调和平均。AUC不受分类阈值影响，反映模型排序能力。
3. 【回答框架 3】对于回归问题，常用指标有均方误差MSE、均方根误差RMSE和平均绝对误差MAE。MSE对异常值敏感，RMSE单位与原变量一致，MAE更稳健。选择时需考虑业务对误差的容忍程度。
4. 【回答框架 4】评估还应关注偏差-方差权衡，高偏差对应欠拟合，高方差对应过拟合。通过交叉验证可以更稳定地估计模型性能，同时要避免数据泄露——特征信息泄漏到训练集导致评估结果偏乐观。
5. 【回答框架 5】最终指标选择应与业务目标对齐，例如在医疗诊断中更关注召回率，在垃圾邮件过滤中更关注精确率。没有单一指标适用所有场景，应综合多个指标并考虑实际成本。
6. 【关键点 1】准确率在类别不平衡时不充分，应结合精确率、召回率或AUC。
7. 【关键点 2】F1值是精确率和召回率的调和平均，适用于平衡两者的场景。
8. 【关键点 3】回归任务常用MSE、RMSE、MAE，MSE对异常值敏感。
9. 【关键点 4】交叉验证比单一留出法更稳定地估计泛化性能。
10. 【关键点 5】评估指标需与业务目标对齐，如医疗场景重召回率。
11. 【易错点 1】仅用准确率评估不平衡数据集，会得出误导性结论。
12. 【易错点 2】忽视数据泄露，导致评估结果过于乐观。
13. 【易错点 3】将AUC与业务概率校准混为一谈，AUC只关注排序质量。