這個計算器的用途
本工具透過三項核心指標評估二元分類模型的表現：精確率（Precision）、召回率（Recall），以及 F1 分數。你只要從混淆矩陣中提供原始數值——真陽性（TP）、偽陽性（FP）與偽陰性（FN）——系統就會以百分比形式回傳每項指標。這些指標廣泛應用於機器學習、資訊檢索、醫學檢測，以及任何需要把資料分為「正類」與「負類」的領域。
使用方法
輸入真陽性（正確預測為正類的數量）、偽陽性（被誤判為正類的負類數量），以及偽陰性（模型漏掉的正類數量）。按下計算，即可看到精確率、召回率與 F1 分數。計算這三項指標並不需要用到真陰性（TN）。
公式解析
Precision = ((TP) ÷ (TP + FP))，回答的問題是：「在我所有判定為正類的項目中，有多少是正確的？」精確率越高，代表誤報越少。
Recall = ((TP) ÷ (TP + FN))，回答的問題是：「在所有實際為正類的項目中，我抓到了多少？」召回率越高，代表漏掉的越少。
F1 分數則是兩者的調和平均數：
範例試算
假設一個垃圾郵件過濾器將 100 封郵件判定為垃圾郵件。其中 80 封確實是垃圾郵件（TP），20 封其實不是（FP）；此外它還漏掉了 10 封真正的垃圾郵件（FN）。
使用注意事項與精準校對原則（6 大核心守則）
📐 1. 嚴格對齊輸入量綱與單位
輸入各項數值時請務必確認量綱（例如小時、天數、金額、百分比），避免單位不匹配引發推算偏差。
🔒 2. 純前端本機毫秒級隱私保障
所有計算邏輯 100% 在您的終端瀏覽器內完成，資料絕不上傳伺服器，嚴格守護商業與個人隱私。
📊 3. 符合公認學術與產業計算模型
演算法嚴格遵循國際通用數學公式與標準計算模型，經多重情境交叉核對，數值嚴密精確。
📋 4. 一鍵複製與免登入 PDF 匯出
支援一鍵複製推算結果字串至剪貼簿，亦可直接點擊列印按鈕輸出純淨 PDF 工作報表。
🔄 5. 多情景敏感度動態對比
建議針對極端值與多組預期情景分別試算，觀察輸出數據的波動區間，輔助做出更穩健的決策。
🛡️ 6. 專業諮詢與日常參考免責聲明
本工具運算結果供日常排程、學業研習與事前參考之用，如涉及重大法規或投資決策請諮詢持證專家。