AI 机器学习核心评价指标全景指南：分类、回归、排序推荐与聚类的公式、物理意义与选型避坑 本文系统梳理机器学习四大核心任务（分类、回归、排序/推荐、聚类）的主流评价指标，深入解析混淆矩阵、ROC-AUC、PR-AUC、RMSE、Huber Loss、NDCG、轮廓系数等计算公式、物理意义与适用场景，附指标选型决策树与避坑速查表。
