透過昨天的方法得到混淆矩陣後，我們可以開始利用一些評估矩陣，以得知如何讓ML模型運作得更加完善。

如同昨天說明的，我們需要專注在型一及型二錯誤，而我們可以透過混淆矩陣的數據來進行評估，其中可以以下面的幾個數據來進行評估。

True Positive Rate（也可稱作Sensitivity或Recall）：True Positive/ (True Positive +False Negative)
True Negative Rate：True Negative/ (True Negative + False Positive)
False Positive Rate：False Positive / (False Positive + True Negative)
False Negative Rate：False Negative/ (True Positive +False Negative)

但又使用哪一個來進行評估，則要視False Positive Rate及False Negative Rate的狀況來決定，以及你想要讓ML往什麼方向發展囉。