# 5. 模型评估
训练好的模型，可信度不会超过你用来评判它的那个数字。指标选错，真实的失败就会被盖住。在一个 99% 都是负样本的欺诈数据集上，哪怕模型什么都没抓到，单看准确率也会显得很漂亮。本章讲 RustyML 的 `metrics` 模块。这些是把原始预测压成标量的评分函数，负责把预测结果转成你会写进报告的诊断数值。这里的一切都在 `rustyml::metrics` 下，由 `metrics` feature 控制，`full` 会一并打开它。这个模块做了扁平化重导出，所以 `mean_squared_error` 既能通过 `metrics::mean_squared_error` 取到，也能通过 `metrics::regression::mean_squared_error` 取到。想一次性全部引入作用域，写 `use rustyml::prelude::metrics::*;` 即可。
贯穿整个模块的有两条约定。第一，参数顺序是 `(y_true, y_pred)`，真值在前。对 MSE、MAE、准确率这类对称指标来说，顺序不影响结果。但 `r2_score`、`ConfusionMatrix::new` 和 `roc_auc` 会因顺序不同给出不同结果，所以要养成习惯把顺序写对。第二，[经典机器学习](../Chapter-02/2.0._经典机器学习.md) 里的估计器出错时返回 crate 的 `Error`，这里的函数不一样，它们在违反前置条件时会直接 **panic**。长度不匹配或输入为空，总会触发 panic，而不是返回 `Result`。评分里出现 `NaN`，在大多数函数里同样会触发 panic，但 `r2_score` 和 `explained_variance_score` 会把 `NaN` 当作数据来处理，[回归指标](./5.1._回归指标.md)一节有说明。这个模块是一组纯函数构成的轻量叶子。它的行为对齐 `ndarray` 自身处理维度不匹配的方式。这个取舍与 crate 其余部分有何不同，见 [错误处理](../Chapter-01/1.6._错误处理.md)。
```rust
use ndarray::array;
use rustyml::metrics::{accuracy, mean_squared_error, r2_score};
fn main() {
// 回归：(y_true, y_pred)，真值在前
let y_true = array![3.0, -0.5, 2.0, 7.0];
let y_pred = array![2.5, 0.0, 2.0, 8.0];
println!("MSE = {:.4}", mean_squared_error(&y_true, &y_pred));
println!("R^2 = {:.4}", r2_score(&y_true, &y_pred));
// 分类：以 f64 存储的整数标签，计算精确匹配准确率
let labels = array![0.0, 1.0, 1.0, 0.0];
let preds = array![0.0, 1.0, 0.0, 0.0];
println!("accuracy = {:.4}", accuracy(&labels, &preds));
}
```
[回归指标](./5.1._回归指标.md) 一节覆盖连续目标的评分：`mean_squared_error` 及其开方版 `root_mean_squared_error`、`mean_absolute_error`、对离群点稳健的 `median_absolute_error`、`mean_absolute_percentage_error`，还有两个衡量方差解释度的指标 `r2_score` 与 `explained_variance_score`。在它们之间做选择时要多加留意。`r2_score` 会让 `NaN` 一路传播，脏数据会大声暴露出来。`explained_variance_score` 则会悄悄跳过非有限样本，还会忽略一个恒定的预测偏差。这份便利很好用，直到它把真实问题盖住为止。
[分类指标](./5.2._分类指标.md) 是篇幅最大的一节，因为标签问题很少能压成单个数字。它覆盖二分类的 `ConfusionMatrix`。你需要用自己阈值化好的 0/1 硬标签来构建 `ConfusionMatrix`，喂别的值会让它 panic。准确率、精确率、召回率、特异度、F1、MCC 和平衡准确率，都从它的计数里推导出来。这一节还覆盖 `MulticlassConfusionMatrix`，支持通过 `Average` 枚举做宏平均、微平均、加权聚合。它还覆盖独立的 `accuracy`、`roc_auc`、`average_precision`、`log_loss`、`cohen_kappa`、`top_k_accuracy` 函数，以及扫描阈值的 `roc_curve` 与 `precision_recall_curve`。留意输入类型。有些函数接收 `bool` 标签配 `f64` 评分。另一些接收 `usize` 类别索引配一个概率矩阵。
[聚类指标](./5.3._聚类指标.md) 一节沿着一条重要的界线分成两类。外部指标（`adjusted_rand_index`、`normalized_mutual_info`、`adjusted_mutual_info`，同质性、完整性、V-measure，以及 `fowlkes_mallows_score`）拿聚类结果去和真值标签比对。内部指标（`silhouette_score`、`davies_bouldin_score`、`calinski_harabasz_score`）则仅凭特征空间的几何结构给聚类打分，用在没有真值的场合。`silhouette_score` 接收一个来自 [距离度量](../Chapter-06/6.1._距离度量.md) 的 `DistanceCalculationMetric`。这样一来，你就能用当初聚类时的同一种距离来做评估。
建议按顺序读这几节。它们都沿用上面立下的 `(y_true, y_pred)` 顺序与 panic 约定，5.1 为后面几节定下基调。先训练一个模型——用 [经典机器学习](../Chapter-02/2.0._经典机器学习.md) 或 [神经网络](../Chapter-03/3.0._神经网络.md)——再用 [训练集与测试集划分](../Chapter-04/4.1._训练集与测试集划分.md) 留出一份测试集，本章才能发挥最大价值。指标只有在模型训练时从未见过的数据上才有意义。唯一的硬性前提，是对 [使用 ndarray 准备数据](../Chapter-01/1.3._使用ndarray准备数据.md) 有基本掌握，因为这里每个函数都吃进、也吐出 `ndarray` 类型。