Positive ＝ 偵測為 Spam
FPR：2／10,000 Ham
Positive 不是「好」，而是代表系統要偵測的目標。
從 TP／TN／FP／FN 看懂六項評估指標
假設: 50,000 封來信
14,700TP 抓對
300FN 漏抓
7FP 誤抓
34,993TN 放對
實際 Spam 15,000 封（30%）｜實際 Ham 35,000 封（70%）
Precision精確率
99.95%被抓成 Spam 的郵件，有多少真的就是 Spam？
TP ÷ (TP＋FP) ＝ 14,700 ÷ 14,707
系統共抓出 14,707 封，其中 14,700 封抓對、7 封是 Ham 誤抓。
Recall召回率
98%所有真正的 Spam，有多少被成功抓到？
TP ÷ (TP＋FN) ＝ 14,700 ÷ 15,000
實際有 15,000 封 Spam，系統抓到 14,700 封、漏掉 300 封。
Specificity特異度
99.98%所有真正的 Ham，有多少被正確放行？
TN ÷ (TN＋FP) ＝ 34,993 ÷ 35,000
實際有 35,000 封 Ham，系統放對 34,993 封；每萬封誤抓 2 封。
Accuracy準確率
99.39%全部郵件中，系統總共判斷對多少？
(TP＋TN) ÷ 全部 ＝ 49,693 ÷ 50,000
抓對 Spam 14,700 封，加上放對 Ham 34,993 封，共判斷正確 49,693 封。
F1 ScoreF1 分數
98.97%「抓得準」與「抓得齊」的綜合表現如何？
2 × Precision × Recall ÷ (Precision＋Recall)
綜合 Precision 99.95% 與 Recall 98%；任一項偏低，都會拉低 F1。
FPRFalse Positive Rate／偽陽性率 -- 或我們常簡稱誤判率
0.02%所有真正的 Ham，有多少被錯誤判成 Spam？
FP ÷ (FP＋TN) ＝ 7 ÷ 35,000
35,000 封 Ham 中誤抓 7 封，即每萬封誤抓 2 封。FPR＝1－Specificity：1－99.98%＝0.02%。
Precision抓到的 Spam 有多準
Recall真正的 Spam 抓得多齊
Specificity正常郵件放行得多正確
Accuracy全部郵件判斷對多少
F1 ScorePrecision 與 Recall 的平衡
FPR正常郵件被誤抓的比例