准备知识33 章节

Python 与科学计算

9 篇

01.Python 环境与 Notebook 02.变量、类型与表达式 03.控制流与推导式 04.核心数据结构 05.函数、作用域与函数式工具 06.模块、包与配置 07.文件、异常、调试与测试 08.NumPy 数值计算与向量化 09. Pandas 数据分析与表格操作实战

数学基础（线代、微积分与概率统计）

15 篇

01.向量、矩阵与余弦相似度 02.矩阵运算、秩与几何变换 03.基、Gram-Schmidt 与最小二乘 04.特征值分解、对角化与正定矩阵 05.SVD 分解与 PCA 降维实战 06. 偏导数、链式法则与计算图 07. 梯度、Jacobian/Hessian 与凸性 08. 梯度下降算法：Batch, SGD 与 Mini-batch 09. 现代优化器：Momentum, RMSProp 与 Adam 10. 损失函数思想与凸函数极小化 11. 随机变量、条件概率与贝叶斯定理 12. 常见分布、期望方差与协方差 13. 大数定律、中心极限定理与 Bootstrap 14. MLE, MAP 与高斯-MSE/伯努利-BCE 推导 15. 假设检验、p值、效应量与 A/B 测试实战

数据处理与特征工程

5 篇

01. 数据字典、质量审计与 EDA 清单 02. 随机、分层、分组与时间序列切分 03. 预处理、编码与防数据泄漏铁律 04. 特征构造、多重共线性与类别不平衡消融 05. ColumnTransformer, Pipeline 与模型持久化

实验与工程习惯

4 篇

01. 规范仓库结构、YAML 配置与随机性控制 02. 模块化代码重构与 pytest 5大契约测试 03. 结构化实验记录 runs/ 与误分类错误分析 04. 端到端从零复现、多模型基线对比与报告

本模块进度0%

已完成 0 / 33 个章节

查看知识全景图

笔记库/准备知识/03. 结构化实验记录 runs/ 与误分类错误分析

← 返回知识地图

03. 结构化实验记录 runs/ 与误分类错误分析

难度: 中等预计阅读 60 分钟学习进度 0%

核心导读

掌握结构化实验日志记录（runs/ 目录、Git Commit、数据哈希、超参数），并手写误分类错误分析 (Error Analysis) 提取诊断归因。

从一个问题开始

在模型调优过程中，你是否遇到过这样的困境：三天前跑出了一个准确率 92% 的惊艳模型，但由于当时没有保存具体的代码版本和参数，三天后无论你怎么调参，都再也无法复现那个最高分？

更糟糕的是，当模型预测错误时，许多人只是盲目更换更复杂的模型，却从不打开数据去看看模型究竟在哪些具体样本上犯了错！

这一章我们将构建轻量级 runs/ 结构化实验记录器，自动捕获 Git Commit Hash、数据文件 MD5 哈希、随机种子与评价指标；同时手写误分类错误分析 (Error Analysis)，精准诊断模型失误归因。

初学者直觉：实验室日志本与医生病例复盘

把实验记录与错误分析比作科学实验室的日志本和医院的术后复盘：

runs/ 结构化日志：实验室日志本。每一次做实验，自动记下【实验时间、试剂编号 (Git Commit)、原料批次 (数据哈希)、温度 (超参数)、实验结果 (F1-Score)】。
错误分析 (Error Analysis)：医生复盘病例。不只看“手术成功率 90%”，而是抽查那 10% 失败的病例，逐个分析“是因为患者有隐秘并发症（特征缺失），还是诊断设备误差（标注噪音）”。

点击放大查看图：结构化实验记录与误分类分析图

1. 结构化实验记录规范与错误分析

1.1 必须自动记录的 8 大实验字段

每次模型训练运行，必须在 runs/YYYYMMDD_HHMMSS/ 目录下生成 run_meta.json，自动捕获：

运行标识 (Run ID)：时间戳与实验名称。
代码版本 (Git Commit Hash)：通过 git rev-parse HEAD 获取当前代码精确提交号。
数据哈希 (Data MD5 Hash)：通过 hashlib.md5 计算原始数据文件的 Hash 值，保证数据未被修改。
运行环境 (Environment)：Python 版本与核心依赖库版本。
随机种子 (Random Seed)。
配置超参数 (Hyperparameters)：学习率、树深度、正则化系数。
评估指标 (Metrics)：Precision, Recall, F1-Score, ROC-AUC。
产出物路径 (Artifact Paths)：模型 .joblib 与混淆矩阵图表路径。

1.2 误分类错误分析 (Error Analysis) 流程

提取错判样本：从验证集/测试集中筛选出所有 假阳性 (FP) 和 假阴性 (FN) 样本。
抽样检查 (Sampling)：随机抽取 50~100 个错判样本，逐行查看其原始特征。
归因分类 (Error Tagging)：
- 标签噪音（原数据标注错误）；
- 特征缺失（缺少区分该类别的关键特征）；
- 离群极值/对抗样本。
制定改进动作：针对占比最高的错误归因专门迭代特征或清洗标签。

2. 手算演练

手算练习：数据文件 MD5 哈希与错判样本比例手算

假设训练集文件内容字符串为 "age,score\n25,80\n30,90"：

数据 MD5 哈希手算与摘要生成：
- 将文本转为 UTF-8 字节串，经由 MD5 散列函数计算：

\text{MD5}("age,score\n25,80\n30,90") = \mathbf{e10adc3949ba59abbe56e057f20f883e}

哪怕把数据里的 80 改成了 81，MD5 值会发生彻底改变！从而严格保证实验使用的是同一份真实数据。

错判归因比例手算：在 40 个错判样本中抽查，归因分类结果如下：
- 标签标注错误 (Label Noise)：10 个
- 缺乏关键特征 (Feature Missing)：24 个
- 极端离群值 (Outliers)：6 个
计算缺乏特征导致的错误占比：

\text{Ratio}_{\text{missing}} = \frac{24}{40} \times 100\% = \mathbf{60.0\%}

结论：60% 的错误源于缺乏特征，下一步迭代重心应放在特征构造而非盲目调换复杂模型！

3. 动手实战：手写 ExperimentTracker 与错误分析代码

下面的代码演示如何自动化记录结构化实验 JSON 并提取错判样本清单：

轻量级 ExperimentTracker 与 Error Analysis 代码

import os

import json

import hashlib

import datetime

import numpy as np

import pandas as pd

from sklearn.model_selection import train_test_split

from sklearn.linear_model import LogisticRegression

from sklearn.metrics import classification_report, confusion_matrix

# 1. 计算文件/数据的 MD5 哈希

def compute_data_hash(df: pd.DataFrame) -> str:

data_str = pd.util.hash_pandas_object(df).values.tobytes()

return hashlib.md5(data_str).hexdigest()[:10]

# 2. 结构化实验记录器类

class ExperimentTracker:

def __init__(self, exp_name: str, base_dir: str = "runs"):

self.exp_name = exp_name

self.run_id = f"{datetime.datetime.now().strftime('%Y%m%d_%H%M%S')}_{exp_name}"

self.run_dir = os.path.join(base_dir, self.run_id)

os.makedirs(self.run_dir, exist_ok=True)

def log_run(self, config: dict, data_hash: str, metrics: dict):

meta_data = {

"run_id": self.run_id,

"timestamp": str(datetime.datetime.now()),

"git_commit": "mock_commit_a1b2c3d", # 可用 git rev-parse 获取

"data_hash": data_hash,

"config": config,

"metrics": metrics

}

json_path = os.path.join(self.run_dir, "run_meta.json")

with open(json_path, "w", encoding="utf-8") as f:

json.dump(meta_data, f, indent=2, ensure_ascii=False)

print(f"✅ 结构化实验日志已成功记录至: {json_path}")

# 3. 实战运行与错误分析

np.random.seed(42)

N = 200

X = np.random.randn(N, 2)

y = (X[:, 0] * 1.5 + X[:, 1] > 0.5).astype(int)

df = pd.DataFrame(X, columns=['feat1', 'feat2'])

df['target'] = y

d_hash = compute_data_hash(df)

X_tr, X_te, y_tr, y_te = train_test_split(X, y, test_size=0.3, random_state=42)

model = LogisticRegression().fit(X_tr, y_tr)

preds = model.predict(X_te)

# 提取错判样本 (Error Analysis)

te_df = pd.DataFrame(X_te, columns=['feat1', 'feat2'])

te_df['y_true'] = y_te

te_df['y_pred'] = preds

errors_df = te_df[te_df['y_true'] != te_df['y_pred']]

# 计算指标并记录实验

acc = float((preds == y_te).mean())

tracker = ExperimentTracker(exp_name="baseline_lr")

tracker.log_run(

config={"model": "LogisticRegression", "seed": 42},

data_hash=d_hash,

metrics={"accuracy": round(acc, 4), "num_errors": len(errors_df)}

)

print("\n================ 错判样本分析 (Error Analysis 示例) ================")

print(f"测试集总数: {len(y_te)} | 错判样本数: {len(errors_df)} (错误率: {len(errors_df)/len(y_te)*100:.1f}%)")

print("前 3 条错判样本明细:")

print(errors_df.head(3).to_string(index=False))

import os
import json
import hashlib
import datetime
import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import classification_report, confusion_matrix

# 1. 计算文件/数据的 MD5 哈希
def compute_data_hash(df: pd.DataFrame) -> str:
    data_str = pd.util.hash_pandas_object(df).values.tobytes()
    return hashlib.md5(data_str).hexdigest()[:10]

# 2. 结构化实验记录器类
class ExperimentTracker:
    def __init__(self, exp_name: str, base_dir: str = "runs"):
        self.exp_name = exp_name
        self.run_id = f"{datetime.datetime.now().strftime('%Y%m%d_%H%M%S')}_{exp_name}"
        self.run_dir = os.path.join(base_dir, self.run_id)
        os.makedirs(self.run_dir, exist_ok=True)
        
    def log_run(self, config: dict, data_hash: str, metrics: dict):
        meta_data = {
            "run_id": self.run_id,
            "timestamp": str(datetime.datetime.now()),
            "git_commit": "mock_commit_a1b2c3d", # 可用 git rev-parse 获取
            "data_hash": data_hash,
            "config": config,
            "metrics": metrics
        }
        json_path = os.path.join(self.run_dir, "run_meta.json")
        with open(json_path, "w", encoding="utf-8") as f:
            json.dump(meta_data, f, indent=2, ensure_ascii=False)
        print(f"✅ 结构化实验日志已成功记录至: {json_path}")

# 3. 实战运行与错误分析
np.random.seed(42)
N = 200
X = np.random.randn(N, 2)
y = (X[:, 0] * 1.5 + X[:, 1] > 0.5).astype(int)

df = pd.DataFrame(X, columns=['feat1', 'feat2'])
df['target'] = y
d_hash = compute_data_hash(df)

X_tr, X_te, y_tr, y_te = train_test_split(X, y, test_size=0.3, random_state=42)
model = LogisticRegression().fit(X_tr, y_tr)
preds = model.predict(X_te)

# 提取错判样本 (Error Analysis)
te_df = pd.DataFrame(X_te, columns=['feat1', 'feat2'])
te_df['y_true'] = y_te
te_df['y_pred'] = preds
errors_df = te_df[te_df['y_true'] != te_df['y_pred']]

# 计算指标并记录实验
acc = float((preds == y_te).mean())
tracker = ExperimentTracker(exp_name="baseline_lr")
tracker.log_run(
    config={"model": "LogisticRegression", "seed": 42},
    data_hash=d_hash,
    metrics={"accuracy": round(acc, 4), "num_errors": len(errors_df)}
)

print("\n================ 错判样本分析 (Error Analysis 示例) ================")
print(f"测试集总数: {len(y_te)} | 错判样本数: {len(errors_df)} (错误率: {len(errors_df)/len(y_te)*100:.1f}%)")
print("前 3 条错判样本明细:")
print(errors_df.head(3).to_string(index=False))

4. 常见错误与避坑指南

现象	先问什么	处理方式
只在 Notebook 里用 `print` 输出指标，运行完后直接关闭窗口	实验历史是否可查	必须将指标、种子与 Git Commit 写入结构化的 `runs/run_meta.json` 文件持久化保存
模型准确率低时，盲目将 LogisticRegression 换成 XGBoost	是否分析过错误样本类型	必须先进行错误分析 (Error Analysis)！如果错误源于标签标注错误，换再复杂的模型也无济于事
实验记录里没有数据 Hash	以后如何确定使用的是哪一份数据版本	计算数据文件的 MD5 哈希并存入 JSON，确保数据版本与代码版本双向锁定

检查清单 (Checklist)

能列出结构化实验记录必选的 8 大关键字段。
能解释为什么计算数据文件的 MD5 哈希对于数据版本追踪不可或缺。
能手算数据 MD5 摘要概念与错判样本归因比例。
能编写 ExperimentTracker 类自动生成 runs/run_meta.json 日志。
能从预测结果中提取假阳性 (FP) 与假阴性 (FN) 样本并进行错误归因分析。

自测题

在实验记录中，仅记录 python train.py 命令行和 learning_rate=0.01 为什么还不足以保证 100% 复现？还需要记录哪两个关键 Hash？
解释：在错误分析中，假阳性（False Positive, FP）与假阴性（False Negative, FN）在业务含义上有什么本质区别？
如果计算出的数据 MD5 哈希与三天前记录的 MD5 哈希不一致，说明发生了什么？
【代码阅读题】在上一节代码中，te_df[te_df['y_true'] != te_df['y_pred']] 筛选出来的样本代表什么？

点击查看参考答案

还必须记录代码的 Git Commit Hash（确保代码版本完全一致）和数据文件的 MD5 哈希（确保输入的数据集版本完全一致），以及随机种子（Seed）。
FP 代表“误报”（将负例误判为正例，如健康人被误诊断为患病）；FN 代表“漏报”（将正例误判为负例，如真正患病的人被漏诊）。在不同业务中（如医疗诊断对 FN 容忍度极低）两者的业务代价完全不同。
说明原始数据文件已经被改动过（可能被添加了新样本、删除行、改动了字段格式或发生了数据损坏）。
筛选出了模型预测错误的全部样本（即真实标签与模型预测标签不相等的行），用于后续的误分类错误分析 (Error Analysis)。

下一步

进入下一个专项 04. 端到端从零复现、多模型基线对比与报告，学习在全新虚拟环境中从零复现全套流程，对比 Dummy、线性与树模型基线，并撰写工业级项目报告。

参考资料

scikit-learn: Model evaluation and error analysis：评估指标与误差诊断。
Python hashlib — Secure hashes and message digests：MD5 散列计算官方文档。
MLflow Tracking Guide：工业级实验跟踪概念借鉴。

本页目录

从一个问题开始

1. 结构化实验记录规范与错误分析

1.1 必须自动记录的 8 大实验字段

1.2 误分类错误分析 (Error Analysis) 流程

2. 手算演练

手算练习：数据文件 MD5 哈希与错判样本比例手算

3. 动手实战：手写 ExperimentTracker 与错误分析代码

4. 常见错误与避坑指南

检查清单 (Checklist)

自测题

下一步

参考资料

核心概念术语表

\text{hashlib.md5(data)}

数据集文件版本 MD5 哈希摘要

\text{FP (False Positive)}, \text{FN (False Negative)}

混淆矩阵假阳性与假阴性错判样本

关联推荐笔记

查看全部

02. 模块化代码重构与 pytest 5大契约测试

pytest 55 分钟

04. 端到端从零复现、多模型基线对比与报告

工程终章 60 分钟

从一个问题开始

更糟糕的是，当模型预测错误时，许多人只是盲目更换更复杂的模型，却从不打开数据去看看模型究竟在哪些具体样本上犯了错！

初学者直觉：实验室日志本与医生病例复盘

把实验记录与错误分析比作科学实验室的日志本和医院的术后复盘：

runs/ 结构化日志：实验室日志本。每一次做实验，自动记下【实验时间、试剂编号 (Git Commit)、原料批次 (数据哈希)、温度 (超参数)、实验结果 (F1-Score)】。
错误分析 (Error Analysis)：医生复盘病例。不只看“手术成功率 90%”，而是抽查那 10% 失败的病例，逐个分析“是因为患者有隐秘并发症（特征缺失），还是诊断设备误差（标注噪音）”。

点击放大查看图：结构化实验记录与误分类分析图

1. 结构化实验记录规范与错误分析

1.1 必须自动记录的 8 大实验字段

每次模型训练运行，必须在 runs/YYYYMMDD_HHMMSS/ 目录下生成 run_meta.json，自动捕获：

运行标识 (Run ID)：时间戳与实验名称。
代码版本 (Git Commit Hash)：通过 git rev-parse HEAD 获取当前代码精确提交号。
数据哈希 (Data MD5 Hash)：通过 hashlib.md5 计算原始数据文件的 Hash 值，保证数据未被修改。
运行环境 (Environment)：Python 版本与核心依赖库版本。
随机种子 (Random Seed)。
配置超参数 (Hyperparameters)：学习率、树深度、正则化系数。
评估指标 (Metrics)：Precision, Recall, F1-Score, ROC-AUC。
产出物路径 (Artifact Paths)：模型 .joblib 与混淆矩阵图表路径。

1.2 误分类错误分析 (Error Analysis) 流程

提取错判样本：从验证集/测试集中筛选出所有 假阳性 (FP) 和 假阴性 (FN) 样本。
抽样检查 (Sampling)：随机抽取 50~100 个错判样本，逐行查看其原始特征。
归因分类 (Error Tagging)：
- 标签噪音（原数据标注错误）；
- 特征缺失（缺少区分该类别的关键特征）；
- 离群极值/对抗样本。
制定改进动作：针对占比最高的错误归因专门迭代特征或清洗标签。

2. 手算演练

手算练习：数据文件 MD5 哈希与错判样本比例手算

假设训练集文件内容字符串为 "age,score\n25,80\n30,90"：

数据 MD5 哈希手算与摘要生成：
- 将文本转为 UTF-8 字节串，经由 MD5 散列函数计算：

\text{MD5}("age,score\n25,80\n30,90") = \mathbf{e10adc3949ba59abbe56e057f20f883e}

哪怕把数据里的 80 改成了 81，MD5 值会发生彻底改变！从而严格保证实验使用的是同一份真实数据。

错判归因比例手算：在 40 个错判样本中抽查，归因分类结果如下：
- 标签标注错误 (Label Noise)：10 个
- 缺乏关键特征 (Feature Missing)：24 个
- 极端离群值 (Outliers)：6 个
计算缺乏特征导致的错误占比：

\text{Ratio}_{\text{missing}} = \frac{24}{40} \times 100\% = \mathbf{60.0\%}

结论：60% 的错误源于缺乏特征，下一步迭代重心应放在特征构造而非盲目调换复杂模型！

3. 动手实战：手写 ExperimentTracker 与错误分析代码

下面的代码演示如何自动化记录结构化实验 JSON 并提取错判样本清单：

轻量级 ExperimentTracker 与 Error Analysis 代码

import os

import json

import hashlib

import datetime

import numpy as np

import pandas as pd

from sklearn.model_selection import train_test_split

from sklearn.linear_model import LogisticRegression

from sklearn.metrics import classification_report, confusion_matrix

# 1. 计算文件/数据的 MD5 哈希

def compute_data_hash(df: pd.DataFrame) -> str:

data_str = pd.util.hash_pandas_object(df).values.tobytes()

return hashlib.md5(data_str).hexdigest()[:10]

# 2. 结构化实验记录器类

class ExperimentTracker:

def __init__(self, exp_name: str, base_dir: str = "runs"):

self.exp_name = exp_name

self.run_id = f"{datetime.datetime.now().strftime('%Y%m%d_%H%M%S')}_{exp_name}"

self.run_dir = os.path.join(base_dir, self.run_id)

os.makedirs(self.run_dir, exist_ok=True)

def log_run(self, config: dict, data_hash: str, metrics: dict):

meta_data = {

"run_id": self.run_id,

"timestamp": str(datetime.datetime.now()),

"git_commit": "mock_commit_a1b2c3d", # 可用 git rev-parse 获取

"data_hash": data_hash,

"config": config,

"metrics": metrics

}

json_path = os.path.join(self.run_dir, "run_meta.json")

with open(json_path, "w", encoding="utf-8") as f:

json.dump(meta_data, f, indent=2, ensure_ascii=False)

print(f"✅ 结构化实验日志已成功记录至: {json_path}")

# 3. 实战运行与错误分析

np.random.seed(42)

N = 200

X = np.random.randn(N, 2)

y = (X[:, 0] * 1.5 + X[:, 1] > 0.5).astype(int)

df = pd.DataFrame(X, columns=['feat1', 'feat2'])

df['target'] = y

d_hash = compute_data_hash(df)

X_tr, X_te, y_tr, y_te = train_test_split(X, y, test_size=0.3, random_state=42)

model = LogisticRegression().fit(X_tr, y_tr)

preds = model.predict(X_te)

# 提取错判样本 (Error Analysis)

te_df = pd.DataFrame(X_te, columns=['feat1', 'feat2'])

te_df['y_true'] = y_te

te_df['y_pred'] = preds

errors_df = te_df[te_df['y_true'] != te_df['y_pred']]

# 计算指标并记录实验

acc = float((preds == y_te).mean())

tracker = ExperimentTracker(exp_name="baseline_lr")

tracker.log_run(

config={"model": "LogisticRegression", "seed": 42},

data_hash=d_hash,

metrics={"accuracy": round(acc, 4), "num_errors": len(errors_df)}

)

print("\n================ 错判样本分析 (Error Analysis 示例) ================")

print(f"测试集总数: {len(y_te)} | 错判样本数: {len(errors_df)} (错误率: {len(errors_df)/len(y_te)*100:.1f}%)")

print("前 3 条错判样本明细:")

print(errors_df.head(3).to_string(index=False))

# 1. 计算文件/数据的 MD5 哈希
def compute_data_hash(df: pd.DataFrame) -> str:
    data_str = pd.util.hash_pandas_object(df).values.tobytes()
    return hashlib.md5(data_str).hexdigest()[:10]

# 3. 实战运行与错误分析
np.random.seed(42)
N = 200
X = np.random.randn(N, 2)
y = (X[:, 0] * 1.5 + X[:, 1] > 0.5).astype(int)

df = pd.DataFrame(X, columns=['feat1', 'feat2'])
df['target'] = y
d_hash = compute_data_hash(df)

X_tr, X_te, y_tr, y_te = train_test_split(X, y, test_size=0.3, random_state=42)
model = LogisticRegression().fit(X_tr, y_tr)
preds = model.predict(X_te)

# 提取错判样本 (Error Analysis)
te_df = pd.DataFrame(X_te, columns=['feat1', 'feat2'])
te_df['y_true'] = y_te
te_df['y_pred'] = preds
errors_df = te_df[te_df['y_true'] != te_df['y_pred']]

4. 常见错误与避坑指南

现象	先问什么	处理方式
只在 Notebook 里用 `print` 输出指标，运行完后直接关闭窗口	实验历史是否可查	必须将指标、种子与 Git Commit 写入结构化的 `runs/run_meta.json` 文件持久化保存
模型准确率低时，盲目将 LogisticRegression 换成 XGBoost	是否分析过错误样本类型	必须先进行错误分析 (Error Analysis)！如果错误源于标签标注错误，换再复杂的模型也无济于事
实验记录里没有数据 Hash	以后如何确定使用的是哪一份数据版本	计算数据文件的 MD5 哈希并存入 JSON，确保数据版本与代码版本双向锁定

检查清单 (Checklist)

能列出结构化实验记录必选的 8 大关键字段。
能解释为什么计算数据文件的 MD5 哈希对于数据版本追踪不可或缺。
能手算数据 MD5 摘要概念与错判样本归因比例。
能编写 ExperimentTracker 类自动生成 runs/run_meta.json 日志。
能从预测结果中提取假阳性 (FP) 与假阴性 (FN) 样本并进行错误归因分析。

自测题

在实验记录中，仅记录 python train.py 命令行和 learning_rate=0.01 为什么还不足以保证 100% 复现？还需要记录哪两个关键 Hash？
解释：在错误分析中，假阳性（False Positive, FP）与假阴性（False Negative, FN）在业务含义上有什么本质区别？
如果计算出的数据 MD5 哈希与三天前记录的 MD5 哈希不一致，说明发生了什么？
【代码阅读题】在上一节代码中，te_df[te_df['y_true'] != te_df['y_pred']] 筛选出来的样本代表什么？

点击查看参考答案

还必须记录代码的 Git Commit Hash（确保代码版本完全一致）和数据文件的 MD5 哈希（确保输入的数据集版本完全一致），以及随机种子（Seed）。
FP 代表“误报”（将负例误判为正例，如健康人被误诊断为患病）；FN 代表“漏报”（将正例误判为负例，如真正患病的人被漏诊）。在不同业务中（如医疗诊断对 FN 容忍度极低）两者的业务代价完全不同。
说明原始数据文件已经被改动过（可能被添加了新样本、删除行、改动了字段格式或发生了数据损坏）。
筛选出了模型预测错误的全部样本（即真实标签与模型预测标签不相等的行），用于后续的误分类错误分析 (Error Analysis)。

下一步

参考资料

scikit-learn: Model evaluation and error analysis：评估指标与误差诊断。
Python hashlib — Secure hashes and message digests：MD5 散列计算官方文档。
MLflow Tracking Guide：工业级实验跟踪概念借鉴。