返回多类别百分比占比的预测模型评估方法

这类输出为各组分占比、所有维度加和为1的预测任务属于成分数据（构成比）预测，和常规单/多标签分类、普通回归任务的逻辑存在差异，评估方法需要匹配数据特性。

一、核心统计评估指标 #

• 平均绝对误差（MAE）：计算逻辑为MAE = mean(|y_true[i] - y_pred[i]|)，即每个类别真实占比与预测占比绝对差值的平均值，误差解释性最强。对应池塘水样本案例，单样本MAE为(|0.3-0.35| + |0.7-0.65|)/2 = 0.05，代表平均每个类别的占比预测偏差为5个百分点，业务层面极易理解。
• 均方根误差（RMSE）：计算逻辑为RMSE = sqrt(mean((y_true[i] - y_pred[i])²))，对大偏差的惩罚更强，适合排查严重偏离真实值的预测错误。上述案例的单样本RMSE为0.05，若某一类别的预测偏差达到20个百分点，RMSE会出现明显升高，敏感度高于MAE。
• 余弦相似度：计算真实占比向量与预测占比向量的夹角余弦值，取值范围为[0,1]，越接近1代表两个向量的组分相对比例越一致，适合关注相对配比、不纠结绝对差值小幅波动的场景。上述案例的余弦相似度约为0.997，说明两个向量的相对比例偏差极小。
• JS散度（Jensen-Shannon Divergence）：基于KL散度优化的对称分布差异衡量指标，取值范围为[0,1]，0代表两个分布完全一致，越接近1代表分布差异越大，天然适配占比这类和为1的概率分布型输出。上述案例的JS散度约为0.003，代表预测分布和真实分布几乎重合。
• Aitchison距离：成分数据专属评估指标，解决了普通欧氏距离在成分数据上存在的尺度偏差问题，计算时会先对占比做中心对数比变换再计算距离，适合菌群分析、岩土组分检测、化学成分配比分析这类对成分预测精度要求高的专业场景。

二、适配的可视化图表 #

• 堆叠柱状图：横轴放置不同测试样本，纵轴为0-100%的占比区间，每个柱子用不同颜色区分不同组分，同一样本并排展示真实值、预测值的堆叠柱，可直观对比每个组分的预测偏差。
• 真实值-预测值散点图：针对每个类别单独绘制散点，横轴为该类别的真实占比，纵轴为模型预测占比，附加y=x参考线，点越贴近参考线代表预测精度越高，可快速识别模型对高占比、低占比类别是否存在系统性偏差（比如普遍高估低丰度类别的占比）。
• 残差热力图：行对应不同测试样本，列对应不同类别，单元格颜色映射为对应位置预测值减真实值的残差大小，可快速定位哪些类别、哪一批次样本的预测偏差集中偏高。
• 三元相图/降维散点图：如果组分数为3，可直接用三元相图同时投射真实值、预测值的点位，两点距离越近预测越准；组分数超过3时，可通过PCA、t-SNE等方法将占比向量降至2维后绘制散点，从整体分布层面对比预测结果和真实值的匹配度。

三、分类评估指标的适用性判断 #

“该场景不属于分类任务，无法使用混淆矩阵、ROC/AUC等分类工具”的判断基本准确，但存在特殊例外场景：
常规分类任务的核心是判定样本的所属类别，输出的类别标签、类别置信度不存在“所有维度加和为固定值、维度值非独立”的约束；而占比预测任务中，一个样本同时包含所有类别，仅各类别的贡献比例不同，且某一维度预测值的调整必然带来其他维度值的反向变动，和分类任务的数据逻辑有本质区别：

• 混淆矩阵的计算依赖真阳性、假阳性、真阴性、假阴性四类基础统计量，前提是要对“样本是否属于某类”做出离散判定，占比任务不存在这类判定逻辑，自然无法直接计算混淆矩阵衍生的准确率、召回率、F1值等指标。
• ROC/AUC的核心是衡量不同分类阈值下的真阳性率、假阳性率变化，同样基于离散分类判定的逻辑，无法直接用于衡量连续占比的预测精度。

唯一的例外是：如果业务中额外设置了“某类别占比超过固定阈值即判定为该类别存在”的规则，此时可以将每个类别拆分为独立的二分类任务，用混淆矩阵、AUC评估“类别是否存在”这一衍生判定的准确率，但这一评估对象已经不是占比预测本身的精度，而是后续业务规则的效果。

实际评估时单样本的指标值参考价值有限，需要在整个独立测试集上计算指标的全局平均值，同时建议按占比区间拆分评估——绝大多数占比预测模型对占比低于10%的低丰度类别，预测误差会明显高于高丰度类别，需要单独验证精度是否满足业务要求。

内容的提问来源于stack exchange，提问作者p_mo