北京
9个人，判对6个，准确率66.67%。这不是哪家公司的模型评测报告，而是一个2x2混淆矩阵演示程序跑出来的结果。四个滑块，四个数字，实时算出五项指标。
这个脚本用四个实时滑块（TTrackBar）分别控制真正例（TP）、假负例（FN）、假正例（FP）、真负例（TN），每个值可以在0到20之间独立调整。拖动任意一个滑块，日志窗口里的准确率、精确率、召回率、特异度和F1分数立刻重算。
初始场景设定为9个人的判断结果：TP=3，FN=2，FP=1，TN=3。总样本9，判对的是TP加TN共6个，准确率66.67%。两个类别分别叫“Known”和“Don't Know”。
指标全部以“Known”为正类计算。精确率是TP除以TP加FP，3/4，75.0%；召回率是TP除以TP加FN，3/5，60.0%；特异度是TN除以TN加FP，3/4，75.0%；F1分数由精确率和召回率合成，66.67%。代码里每个除法都先判断分母是否大于0，避免除零。
画布部分用TImage.Canvas重绘2x2网格。单元格底色深浅与计数成正比，颜色值按计数除以最大值3再乘160从255里减。对角线上的TP和TN走绿色系，非对角线的FN和FP走橙色系，边框统一深蓝色、线宽2。网格上方标“Predicted Status”，左侧标“Actual”，列头是两个类别名，底部注明样本量为9。
每个格子里先写计数，字号16加粗，下面再用字号8标注该格含义：True Pos、False Neg、False Pos、True Neg。日志窗口同时输出一张文本版矩阵表，行是实际类别，列是预测类别，最后一行是各列预测总数，再往下是五项指标的百分比和对应分数。
整个程序的结构很直白：一个2x2整型数组存计数，一个字符串数组存类别名，一个计算并绘制的函数把统计和渲染串起来。滑块一动，函数重跑一遍，数字和颜色一起变。想验证某个指标怎么被拉高或拉低，把对应格子的计数调大调小就行。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
