评价模型优劣时，传统计量模型和机器学习模型的指标有什么不同，如何按解释性、预测效果和业务风险选择？

60 秒回答模板

我会先说明两类模型的目标不同，所以评价指标也不同。传统计量模型通常更强调解释关系和统计推断，例如某个变量对目标变量是否显著、影响方向和大小是否合理、模型假设是否满足。机器学习模型更多强调预测效果和泛化能力，也就是在未见样本上能不能稳定做出准确判断。因此评价时不能用同一套指标简单比较。 对传统计量模型，比如线性回归、Logit、时间序列模型，我会看拟合优度和统计诊断。常见指标包括 R2、调整 R2、AIC、BIC、log-likelihood、t 检验、F 检验、p-value、置信区间，也会看残差是否独立、同方差、近似正态，是否存在多重共线性、自相关和异方差。这里的重点不是指标越高越好，而是模型解释是否稳定、变量符号是否符合业务逻辑、假设是否被严重违反。 对机器学习模型，我会更关注样本外表现。分类任务看 accuracy、precision、recall、F1、ROC-AUC、PR-AUC、logloss、KS、校准曲线和阈值下的误判成本；回归任务看 MAE、RMSE、MAPE、R2 和残差分布；排序或推荐任务看 NDCG、MAP、Hit Rate、转化率等。评估方式上要有训练集、验证集、测试集或交叉验证，关注过拟合、特征泄漏、分层表现、稳定性和线上 A/B 效果。 两者的差异可以概括为：计量模型更关心“为什么”和“影响是否显著”，机器学习更关心“预测准不准”和“能否泛化”。但实际业务中不能割裂。比如风控、营销响应、需求预测等场景，可能优先选择预测效果好的模型，同时用特征重要性、SHAP、分层分析和校准来补充解释；如果是政策评估、经营归因、因果解释或需要审计的场景，解释性、假设检验和稳定性就更重要，复杂黑盒模型不一定合适。 选择指标时还要结合业务风险。样本不均衡时不能只看 accuracy，要看 PR-AUC、recall、precision 和成本矩阵；金融或风控场景要关注误杀和漏放的不同代价；经营分析场景要关注解释可信度和可沟通性；线上产品场景还要看延迟、稳定性和监控。一个完整回答应该是先明确建模目的，再选评价指标，再做统计诊断或泛化验证，最后结合业务成本决定模型是否可用。