第三章 机器学习：从预测到识别

你当然不该立刻信。你得先问它两件事：它学得对不对？它有没有骗你？ 本章就把这两件事讲透——先讲机器学习怎么学（三大范式、学习流程、特征工程），再讲怎么判断它没骗你（过拟合、评估指标）。

本章地图：

• 3.1 三种学法：有人教、自己悟、边做边学
• 3.2 练习册、模拟考与高考：一次监督学习的完整流程
• 3.3 特征工程：给机器一双好眼睛
• 3.4 背答案不等于会做题：过拟合与泛化
• 3.5 准确率会骗人：工程师该看什么指标
• 3.6 综合案例：一座桥的智能管养——机器学习这一站

开讲之前，照例把三件事说清楚。

第一件，写给谁。 土木工程大二学生，正在啃材料力学、结构力学。你没写过代码，本章也不要求你写。它只要求你懂一件事：“拟合”是什么意思——就是高中物理课给一堆散点画一条线。够用了。

第二件，态度。 机器学习不是魔法。它就是“让计算机从例子里学规律”这件事的总称。吓人的只是术语：监督、无监督、强化、过拟合、混淆矩阵。本章的任务，就是把这些术语一个一个翻译成工地上的话——翻译完了你会发现：每个术语背后，都是你早就见过的道理。

第三件，怎么读。 和第一章一样：先概念，再翻译，再案例，再思考题。但本章有个特别提醒——思考题里有几道是专门“骗”你的，比如“准确率 98% 的模型能不能用？”别凭直觉答，先想想 3.5 节。

三件事说完了。咱们开始。

3.1 三种学法：有人教、自己悟、边做边学

📌核心知识点

先别谈技术，先谈带徒弟。带出一个能干活的徒弟，有三种完全不同的带法。

第一种：给练习册。 每道题都有标准答案，徒弟反复做、错了订正，练到一定程度，拿到没见过的新题也能做出来——因为他学会了“从条件推出答案”的路子，而不是背下某一题。这叫监督学习（Supervised Learning）。

第二种：给一堆料，不给答案。 师傅搬来一箱岩芯：“我什么也不告诉你，你自己分分类。”徒弟翻来覆去地看，发现这些岩芯按颜色、纹理、硬度大概能分成三堆。师傅笑了：“对了，这正是三个地层。”这叫无监督学习（Unsupervised Learning）。

第三种：扔进环境里，自己试。 师傅把徒弟领进一台盾构机模拟器：“目标是掘进又快又稳，地表沉降不许超限。你自己调参数，自己看结果。调得好，我夸你；调砸了，我骂你。”徒弟挨了几次骂之后，慢慢摸出了门道。这叫强化学习（Reinforcement Learning）。

三种带法，机器也是这么“学”的。放一张表里，更清楚：

这张表暂时记不住没关系，记住一句话就够：有人教，是监督；自己悟，是无监督；边做边学，是强化。

注意，这张表和第一章 1.1 节的“五类任务”表对得上：分类、回归是监督学习的两个分支；聚类是无监督学习的看家本领；决策控制是强化学习的主场。第一章教你“把工程问题翻译成任务”，本章教你“任务落下来之后，机器怎么学”。

🧭专业解读

三大范式，背后是三种完全不同的“知识来源”。一个一个拆。

监督学习：有标准答案的应试教育。 学材料力学的时候，题目条件叫特征（Feature），标准答案叫标签（Label）。机器拿到一万条“特征—标签”对子，反复迭代，就能学到同样的映射。映射学成，新数据来了，它就能给出预测。监督学习里有两件事必须分清：回归（Regression），答案是连续数值——“预测 28 天抗压强度是 41.2 MPa”；分类（Classification），答案是离散类别——“这处裂缝属于轻微/中等/严重”。“值是多少”与“是哪一类”，评价方式完全不同，3.5 节会讲。

无监督学习：没有答案的探索发现。 工程上有个残酷的现实：大部分时候，我们连“标准答案”都没有。 一座大坝的渗流监测数据堆了十年，没人知道“正常”到底长什么样——因为“异常”从来没见过。没有标签，监督学习只能抓瞎，无监督学习反而能上场——它不找“答案”，找“结构”：把相似的数据归到一起，叫聚类（Clustering）；找出“跟大家都不一样”的点，叫异常检测（Anomaly Detection）。注意顺序：聚类先告诉我们“数据可以分成几群”，工程师再回头研究“每一群是什么”——机器负责发现，人负责解释（第一章那句“仪器不决定，医生才决定”）。

怎么选？一个判断口诀。 有标准答案，选监督；没答案、想找结构，选无监督；要跟环境互动、边做边学，选强化。再补一句工程现实：土木行业 90% 的落地应用是监督学习。 为什么？工程问题大多能翻译成“有答案的分类或回归”。无监督用来做“不知道有什么问题”的探索；强化学习是科研热点、落地最少——仿真环境难建，让机器在真盾构机上试错一万次，谁也赔不起。所以本章后面几节主角是监督学习；无监督和强化，你先把门认到，第八章（盾构）、第九章（监测）会再见到它们。

🏗️土木案例

案例一：基坑周边沉降预测（监督学习·回归）

城市中心挖深基坑，最怕周边建筑沉降超限。传统做法：布监测点，每周人工测一次，超限报警。注意，这是“测”，不是“预测”。第一章 1.1 节的翻译三步法重做过一遍：拆问题——“预测未来 24 小时的最大沉降值”；看数据——输入是开挖深度、土层参数、施工进度、历史沉降序列，输出是连续数值，回归任务；定标准——偏差 5 毫米以内算合格。怎么学？把几十个类似基坑的“特征—实测沉降”对子当练习册刷完，新基坑开工前就能先算一遍风险。同一个基坑，翻译前是“事后测”，翻译后是“事前算”。

案例二：大坝渗流数据的聚类（无监督学习·聚类）

某大坝积累了十年渗流监测数据，从没人贴过标签。把数据扔给聚类算法，它自己分成几群：一大群在每年汛期，一大群在旱季，还有一小撮零星散点，时间上刚好对应几次渗流量异常记录——正是后来出事前的样子。

案例三：盾构掘进参数优化（强化学习·决策控制）

盾构掘进中，操作手每时每刻要调刀盘转速、总推力、土仓压力、同步注浆量等一堆参数——调得好，掘进快、沉降小；调得差，要么卡刀盘，要么地表塌一坑。典型强化学习问题，四个要素齐全：状态（State）——当前地质条件、掘进参数、地表沉降实时值；动作（Action）——下一组参数怎么调；奖励（Reward）——掘进快加分、沉降超限重罚、卡机重罚；策略——成千上万次试错学出来的“什么地层配什么参数”。训练在仿真环境里完成，学成后再上真机，由操作手监督执行。请记住：强化学习解决的不是“预测”，是“在动态环境里做出一连串好决策”。

✅本节小结

三大范式是机器学习的第一道门。有标准答案，监督学习——分类、回归，工程落地的主力；没答案想找结构，无监督学习——聚类、异常检测，发现问题的手电筒；要边做边学，强化学习——决策与控制，科研的前沿。 判断口诀六个字：有人教、自己悟、边做边学。90% 的土木 AI 是监督学习，所以后面几节，我们把监督学习从头到尾走一遍。

✏️课堂思考题

1. 某施工单位想用 AI 分析过去十年的事故报告文本，自动把事故归为“高处坠落”“物体打击”“坍塌”等类别。这属于三大范式中的哪一种？为什么？
2. 如果希望 AI 在地震发生时实时调整一座斜拉桥的拉索索力，让主梁振动最小，该用哪种范式？它的“状态”“动作”“奖励”分别是什么？
3. 为什么说“无监督学习适合在没有标签的数据上做探索”？请举一个你身边的、可以无监督化的数据场景。

3.2 练习册、模拟考与高考：一次监督学习的完整流程

📌核心知识点

监督学习怎么“学”，咱们用一场考试来理解。你是一名高三学生，备考资料一共三样：练习册、模拟卷、高考卷。你绝不会把高考卷提前做了——做完了，它就没用了。机器学习的流程，跟你备考一模一样。

一次完整的监督学习，分五步：

1. 收集数据：把历史“特征—标签”对子攒起来。这就是你的“题库”。
2. 切分数据：把题库按比例分成三份——训练集（Training Set）、验证集（Validation Set）、测试集（Test Set）。一般 70% / 15% / 15%，比例不是死的，道理是活的。
3. 训练：用训练集让模型反复学习，把“练习册”做熟。
4. 调参：用验证集检验训练效果，调整训练前就要定好的规则（比如模型多复杂、学多快）——这类规则叫超参数（Hyperparameter），相当于你定下的“复习策略”。
5. 测试：模型定型后，用测试集考最后一次，成绩就是“真实水平”。

三份数据三种用途，一个字都不能乱：训练集负责“学”，验证集负责“选”，测试集负责“考”。

🧭专业解读

为什么非要分三份？两个为什么，讲透。

第一个为什么：为什么不能只用训练集？ 因为模型会“背答案”——机器学习的模型不满足于“学会”，还会“记住”，训练数据反复喂给它，它连每个样本的细节都记下来了。只用训练集评估，成绩永远好看，因为考的就是它背过的题。好比练习册每道题的答案你都背下来了，但你不知道自己是“会做”还是“背下”——模拟考一考，立刻现原形。验证集和测试集，就是揭穿“背答案”的两道关卡。

第二个为什么：为什么有了验证集，还要测试集？ 因为你会“适应考试”。你用验证集调超参数，调了一百次，模型在验证集上的成绩越来越好。可你别忘了：每一次“调”，都是在拿验证集当训练对象。 调得多了，模型连验证集也“背”下来了。所以必须留一份从头到尾不碰的卷子，等所有调整都结束，考最后一次。测试集最大的规矩是：只考一次，考完就废。

工程师最容易踩的三个坑，都是数据泄漏（Data Leakage）：

坑一：归一化用了全体数据。 预处理时要把特征缩放到统一尺度，比如减去均值、除以标准差。如果你用“全部数据”算均值，测试集的信息就偷偷流进了训练。正确做法：只用训练集算统计量，验证集和测试集沿用同一套——这是最隐蔽的泄漏，新手几乎必踩。

坑二：时间序列随机打乱。 土木数据大量是时间序列——沉降监测、振动监测、病害发展。有人把数据集随机打乱再切分，训练集里混着“未来”的样本。模型等于“用明天的沉降预测今天的沉降”，考场上当然考得好，一上线就露馅。时间序列必须按时间顺序切分：前 80% 的时间段训练，后 20% 测试。

坑三：同一个项目的样本同时进训练和测试。 一座桥的八千张裂缝照片，随机切分时，同一座桥的照片会同时出现在训练集和测试集里——同一个桥墩、同一个相机、同一个光照，模型等于“见过这道题”。所以土木数据要按项目、按结构物切，不按样本切：这一批桥训练，那一批桥测试。跨项目表现好，才是真的泛化好（第一章 1.4 节“分布漂移”的另一面）。

数据量多少才够？ 没有绝对答案，但有个实用经验：先拿 100 条样本把整个流程跑通（切分、训练、评估、出报告），顺畅了再逐步加数据。

🏗️土木案例

案例：桥梁病害趋势预测——按时间切分的主案例

还记得第一章那座桥吗？我们要给它建“病害趋势预测”模型：根据过去十年检测记录（裂缝宽度、挠度、交通量、温度），预测未来一年病害发展趋势——监督学习的回归任务。数据怎么切？按时间切：前八年做训练集，第九年验证，第十年测试。为什么？病害发展是时间相关的——第十年的裂缝状态跟第九年高度相关，跟第一年几乎无关。随机切分等于让模型“看到”未来——按时间切分，模型必须真的从历史里学出“病害怎么随时间发展”，才算过关。

案例：一个反面教材——随机打乱切分的沉降预测

某基坑项目做 AI 沉降预测（教学示意），数据是一年内每天实测的沉降序列。团队图省事，把一万条记录随机打乱，70% 训练、30% 测试。训练完，测试误差漂亮得惊人，高高兴兴上线。上线第一周，预测就偏得离谱。复盘发现：随机打乱后，模型在用“当天下午的沉降”预测“当天上午的沉降”——全是“偷看未来”的对子。重新按时间切分后，误差回到正常水平。数据切分不对，模型越“准”越危险——那不是本事，是泄题。

✅本节小结

一次监督学习，就是一场完整的备考：训练集负责学，验证集负责选，测试集负责考，测试集只考一次。工程师最大的风险不是模型笨，而是数据泄漏——归一化泄漏、时间泄漏、项目泄漏，三种泄漏三种翻车方式。土木数据的切分，按时间切、按项目切，绝不按样本乱切。 跨项目、跨时间的表现，才是模型的真实水平。

✏️课堂思考题

1. 为什么说“用测试集反复调参”等于“把高考卷提前做了”？请用训练/验证/测试的分工解释。
2. 一座大坝的渗压监测数据要做“异常预警模型”，数据该按什么规则切分？如果随机切分，会有什么后果？
3. 数据预处理时，用全体数据计算均值、标准差做归一化，为什么算数据泄漏？正确做法是什么？

3.3 特征工程：给机器一双好眼睛

📌核心知识点

机器是怎么“看”数据的？很多初学者会答错。

有人以为，把一张裂缝照片丢给机器，它就“看”到了裂缝。不对。机器不“看”照片，它“看”数字。 一张照片在机器眼里是一大串像素亮度值；一段振动信号是一串时间—幅值数字；一份检测报告它更是读不懂——认字是第五章大模型的事。所以监督学习里有一个绕不开的环节：把原始数据变成机器能学的“特征（Feature）”，这个环节叫特征工程（Feature Engineering）。

特征工程说穿了就一句话：把领域知识翻译成数字。 老师傅判断围岩等级，靠的不是“感觉”，是颜色、纹理、硬度、裂隙发育程度——这几样就是他的“特征”。你把这些量化成数字教给机器，机器就有了老师傅的眼睛。特征的水平，决定模型能学到什么；特征的天花板，就是模型的天花板。

机器学习圈有句老话，值得背下来：“特征决定了模型的上限，算法只是在逼近这个上限。” 翻译成工地的话：师傅的料给得对不对，比徒弟的算法灵不灵，更重要。

🧭专业解读

混凝土 28 天强度预测，一个经典的特征工程案例。 第一章那台“不用等 28 天”的机器，输入特征通常是：水泥用量、水胶比、砂率、粗骨料用量、减水剂掺量、养护温度、龄期。注意，这些特征没有一个是机器自己选的，全是工程师用材料学知识定的——水胶比跟强度成反比、养护温度跟水化速度有关，是混凝土科学几十年攒下的规律。模型要做的，只是在这组特征和实测强度之间，学出一条比“经验公式”更精细的曲线。更朴素的版本你肯定见过：老经验“7 天强度乘个系数约等于 28 天强度”——这就是最原始的人工特征 + 简单模型。机器学习把它升级了：特征更多、曲线更复杂、系数由数据自动拟合。

特征从哪来？三样东西。 一是工程经验：力学、材料、岩土知识告诉你什么变量重要——这是主力，本质是把专业课翻译成数据。二是数据探索：画散点图、算相关性，看哪些变量跟目标确实有关。三是实验与文献：前人踩过的坑，替你标好了候选特征。三样里，第一样最重要，也最不可替代——这就是为什么第一章说“懂桥梁的工程师，会让模型多用一半的聪明”。

特征的三个坑，每个都烧过钱。 第一个坑：特征太多。 有人觉得多多益善，把能收集的变量全塞进去。模型复杂度爆炸，训练集学得飞起、新数据一塌糊涂——特征太多是过拟合的头号燃料（下一节详讲）。第二个坑：用了现场测不到的特征。 实验室里模型用“养护湿度”当特征，效果好极了；到工地上发现湿度根本没测，模型成了无米之炊。特征必须可部署——训练时用什么，现场就有什么。 第三个坑：用了“事后才知道”的特征。 比如用“该月实际降雨量”预测“该月沉降”——训练时相关性强，预测时你上哪知道未来的降雨量？这也是数据泄漏的变种。

从人工特征到自动学习：深度学习登场。 第一章 1.2 节的技术谱系里，L1 传统机器学习到 L2 深度学习，划时代的变化就发生在“特征”两个字上：传统机器学习靠工程师设计特征，深度学习让网络自己从原始数据里学特征。 卷积神经网络（CNN）从像素里逐层学出边缘、纹理、构件形状；循环神经网络（RNN/LSTM）从时间序列里自动学出趋势和周期——第四章会展开。但请冷静：自动学特征的前提，是海量数据——网络要从原始像素里摸索出“裂缝长什么样”，得看几万张图才靠谱。而土木行业大量数据是表格，样本量常常只有几百上千条。这种数据上，人工特征 + 经典机器学习依然是绝对主力——所以本章讲特征工程，让你在 90% 的场景里都能用上。

🏗️土木案例

案例一：混凝土强度预测——人工特征的标准答卷

某搅拌站想给客户提供“28 天强度预报”服务（教学示意）。第一轮，材料工程师定了 8 个特征（水胶比、水泥用量、粉煤灰掺量、砂率、减水剂、养护温度、龄期、试块尺寸），全部是浇筑前就能拿到手的量；第二轮，数据分析发现“龄期”和“水胶比”相关性强，保留；第三轮，剔除“试块尺寸”——现场全是标准试块，这特征没区分度。最终 7 个特征进模型，用过去两年五千条配合比—实测强度记录训练。上线后，预报误差稳定在 ±2 MPa 以内。这个案例的精髓：每一个特征，都有工程理由；每一个特征，现场都拿得到。

案例二：裂缝识别的特征工程 vs 自动学习

裂缝识别是两代技术路径的分水岭。传统路径（人工特征）：工程师设计特征——裂缝区域的长宽比、灰度对比度、纹理粗糙度、方向角——喂给支持向量机（SVM）这类经典分类器。特征设计得好，小样本也能凑合；设计得不好，换个光照条件就失灵。深度学习路径（自动特征）：CNN 直接吃像素，边缘、纹理、形态特征全由网络自己学。某研究团队与企业合作的隧道掌子面围岩识别（采用预训练卷积神经网络，准确率约 90% 量级，教学示意）、CNN-LSTM 水-力解耦监测，走的就是这条路——CNN 自动提空间特征、LSTM 自动提时间特征，把水压效应与荷载效应从耦合信号里分离出来。两条路径怎么选？一句话：图像、波形这类“说不清特征”的原始数据，交给深度学习；表格、参数这类“说得清特征”的工程数据，老老实实做特征工程。

✅本节小结

特征工程是把领域知识翻译成数字的功夫，特征的天花板就是模型的天花板。特征从工程经验、数据探索、文献实验三处来；要避开三个坑：特征过多、特征不可部署、特征事后才知道。深度学习的出现让机器开始“自动学特征”，但表格数据、小样本场景，人工特征 + 经典机器学习依然是主力。

✏️课堂思考题

1. 如果要给“基坑周边沉降预测”设计特征，你会列哪几个？请分别说明每个特征的工程理由，并检查它们是否“现场可部署”。
2. “特征越多越好”错在哪里？请结合你对过拟合的初步理解说明。
3. 为什么说“自动学特征需要海量数据”？结合土木行业数据量小的现实，说明人工特征工程为什么还不会过时。

3.4 背答案不等于会做题：过拟合与泛化

📌核心知识点

回到 3.2 节那场高考。你刷完了练习册，模拟考成绩也不错。但你心里清楚：高考真正考的是你没见过的题。 机器学习也一样——模型真正的考场，是它从没见过的数据，模型在那里的表现，叫泛化能力（Generalization）。注意这个词的分量：机器学习的目标从来不是把训练集做好，而是泛化。

模型会在哪里翻车？两种翻法，两个名字：

欠拟合（Underfitting）：模型太简单，连练习册都没学明白——训练集成绩就差，是“能力不足”。

过拟合（Overfitting）：模型太复杂，把训练集里的每一个细节——包括噪声——都“背”下来了，练习册满分，换个问法就傻眼。过拟合的本质，是把噪声当成了规律。

🧭专业解读

两个误差，讲透过拟合。 模型在训练集上的误差，叫训练误差（Training Error）；在测试集上的误差，叫泛化误差（Test Error）。过拟合长什么样？训练误差很低，泛化误差很高——差距越大，“背答案”越深。 欠拟合呢？两个误差都很高——压根没学会。健康的状态是：两个误差都低，且挨得近。工程师判断模型健康，第一件事就是看这两个数：差距拉开，就是过拟合警报。

为什么复杂模型容易过拟合？ 模型的“复杂程度”可以理解成它的“自由发挥空间”。一条直线只有两个参数，只能“直来直去”，想背答案也背不了；一个高次多项式，参数一大把，能把每一个数据点都精确穿过——包括那些本来只是噪声的点。参数越多，模型越“聪明”，越能把噪声记住。 噪声是什么？是“这一次偶然出现、下次不会重复的东西”。把噪声当规律背下来，等于记住了一句只出现一次的废话——它在用昨天的偶然，赌今天的必然。

数据量是过拟合的克星。 为什么？直觉很直接：样本越多，规律被反复确认，噪声被平均稀释。 一千条数据里有一条噪声，模型不会当真；三十条数据里有一条噪声，模型就可能把它当成铁律。记住这张“跷跷板”：数据少 + 模型复杂 = 过拟合重灾区；数据多 + 模型适中 = 泛化有保障。 而土木行业恰恰是“数据少、噪声大”的行当——传感器掉线、人工记录出错、工况千差万别。第一章说数据是燃料，本章补一句：数据又少又脏的时候，过拟合是土木 AI 的头号大敌。

怎么治过拟合？四味药。 第一味，加数据——最有效，没有之一，代价是成本。第二味，减特征——把 3.3 节那些冗余、无关的特征砍掉，缩小“背答案”的空间。第三味，正则化（Regularization）——给模型的复杂度“罚分”，宁肯学得糙一点，也别背得太细。第四味，早停（Early Stopping）——盯着验证集误差，误差开始回升就立刻停手。工程上最实用的一招，就是盯住“训练误差 vs 验证误差”的差距：差距开始拉大，就减复杂度、加数据、或者停。

一个工程师视角的金句：模型在训练集上越聪明，你越要警惕它在现场犯傻。准确率再高，先问一句：这是背下来的，还是学会的？

🏗️土木案例

案例一：30 个样本的沉降预测模型——教科书级的过拟合

某项目用机器学习预测基坑周边沉降（教学示意），只有 30 个工程案例，却设计了 20 个特征。训练完，训练误差 2 毫米——漂亮；拿到现场一验证，误差 15 毫米。复盘：20 个特征、30 个样本，模型自由度远大于信息量，它把每个样本的特征组合都“背”下来了，包括好几个样本特有的偶然因素——某次传感器漂移，全被当成了规律。对症下药：特征砍到 5 个（开挖深度、支护刚度、土层压缩模量、距基坑距离、开挖速率），又找来 60 个同类案例补数据。训练误差升到 6 毫米，看着“变差了”，但现场验证误差降到 8 毫米——模型终于学会，而不是背会。训练误差变差，常常是模型变好的开始。

案例二：桥梁健康评级模型——跨桥就失灵（呼应第一章 1.4 节误区一）

某团队给一个城市三座同类桥梁建“健康评级”模型（教学示意），五年巡检记录，样本量小、模型复杂。训练集上评级准确率 96%，令人振奋。部署到第四座桥——材质、结构、连涂装都差不多——准确率掉到 71%。为什么？训练集里三座桥的照片带着各自特有的“背景特征”：某座桥桥墩有广告牌、某座桥涂装反光率高。模型把这些“桥的身份特征”当成了评级依据，遇到新桥，身份特征对不上，评级就乱了。这不是模型的错，是数据太少、模型太贪的错。 把与病害无关的特征去掉、模型简化后，准确率稳定在 88%，四座桥都适用。过拟合不只表现为“曲线太弯”，它常常伪装成“对特定数据集的记忆”——换个场景就露馅。

✅本节小结

泛化，是模型在没见过的数据上的表现，也是机器学习的真正目标。欠拟合是没学会，过拟合是背答案——把噪声当规律。 训练误差低、泛化误差高，就是过拟合警报。四味药：加数据、减特征、正则化、早停；一个信号：训练误差和验证误差的差距。训练集上的高分，可能只是抄来的作业；考场上的高分，才是本事。

✏️课堂思考题

1. 用你自己的话解释：为什么“数据少 + 模型复杂”一定会过拟合？请用“噪声被当真”的机制说明。
2. 一个裂缝识别模型，训练集准确率 99%，现场验证准确率 82%。你怀疑它过拟合了，下一步你会先做哪两件事？
3. 某模型用“历史沉降数据”预测“未来沉降”，训练误差和验证误差都低，但上线后遇到一次罕见的暴雨工况就失灵了。这是过拟合吗？为什么？

3.5 准确率会骗人：工程师该看什么指标

📌核心知识点

模型训练完了，怎么评判好坏？初学者第一个想到的指标，一定是准确率（Accuracy）：猜对的样本数除以总样本数。90%？不错。98%？很好。99.5%？完美。

停。这个数字，是最会骗人的。 我讲一个例子——数字是教学示意，道理真实到骨头里。

某混凝土构件厂，产品合格率 98%，不合格率 2%。老板想用 AI 把不合格的挑出来，找了家算法公司。算法公司交了一个模型，报告上写：准确率 98%。 老板大喜，投产。三个月后质检员发现，流水线上流过去的不合格构件，一个都没被拦住——全出厂了。

模型怎么做到的 98% 准确率？因为它学会了一个“绝招”：无论来什么构件，一律判“合格”。 100 个构件里，98 个本来就是合格的，全判合格，猜对 98 个——准确率 98%。可那 2% 的不合格构件呢？全漏了，漏检率 100%——工厂要的，恰恰就是抓那 2%，结果一个都没抓住。

这就是类别不平衡（Class Imbalance）的骗局：当某一类样本占绝对多数时，模型“无脑猜多数”，准确率照样漂亮，但对少数类，它一无所知。 工程里，少数类往往是最要命的：不合格构件、开裂的桥、失稳的边坡、漏水的焊缝。准确率衡量的是“平均表现”，工程师要的是“关键表现”。

怎么看清关键表现？用混淆矩阵（Confusion Matrix）。把“真实情况”和“模型预测”交叉，得到一个四格表：

四个格子，四个名字，含义就一句话：

• TP（True Positive）真阳性：说有病，真有病——抓对了。
• TN（True Negative）真阴性：说没病，真没病——放对了。
• FP（False Positive）假阳性：说有病，没病——误报。
• FN（False Negative）假阴性：说没病，有病——漏检。

由这四个格子派生出一串指标，工程师最该认识两个：

精确率（Precision）＝ TP / (TP + FP)：模型说“有裂缝”的里面，有多少是真有？——它报的警，有多少是准的。

召回率（Recall）＝ TP / (TP + FN)：所有真裂缝里，模型抓住了多少？——真出了事，它能抓住几成？

再往下，就是本章标题里那对冤家：漏检率 ＝ 1 － 召回率（真裂缝里没抓住的比例）；误报率 ＝ FP / (FP + TN)（正常样本里被冤枉的比例）。

🧭专业解读

回到第一章，你会心一笑。 1.1 节“定标准”里我们讲过：把“有裂缝”看成“没有”，是漏检，代价大；把“没有”看成“有”，是误报，代价小。当时是工程直觉；现在，混淆矩阵给了你度量它的尺子——第一章埋的线，在这一节收口。

那工程师到底该看哪几个数？三个。

第一个数：漏检率。 安全相关的场景，漏检率是生死线——裂缝漏检不会自己消失，它会在你没发现的时候继续发展，这是所有代价里最贵的一种。所以桥梁巡检、边坡预警这类场景，漏检率必须压到可接受的下限；但“宁可错杀一千”是有成本的，看第二个数。

第二个数：误报率。 一千次误报，工程师要跑一千趟现场复核。复核不过来，报警就成了“狼来了”——员工习惯了警报，真警报来了也没人当回事。误报率过高，系统会死于信任破产。 所以工程上的正确姿势不是“无限压低漏检率”，而是画一条代价曲线：漏检一次的代价（比如裂缝发展成大修，多花几百万）和复核一次的成本（比如几百块），按“总期望代价最小”定报警阈值——第一章 1.5 节的容错分析，现在有了工具：混淆矩阵 + 代价矩阵。

第三个数：模型在哪儿不可靠。 混淆矩阵只能告诉你“总体错多少”，不能告诉你“在哪儿错”。工程师还要做一件事：把错分的样本翻出来看——模型漏检的裂缝长什么样？误报的“裂缝”是什么？阴影？污渍？伸缩缝？看懂这些，你才知道模型的能力边界、哪些工况要转人工。知道模型在什么条件下不可靠，比知道它平均多准，重要一百倍（第一章 1.4 节原话）。

多分类怎么办？ 这类多分类问题，混淆矩阵变成一张 N×N 的表，每一行是一类样本的真实分布。读法不变，但要多看一个维度：错都错在哪儿。 围岩识别里，III 级误判成 IV 级，和误判成 V 级，代价完全不同——前者支护偏保守，后者可能塌方。所以多分类的工程判断，要看“错位矩阵”：错分集中在相邻等级，可以接受；跨级错分，必须追查。一个约 90% 量级的准确率数字背后，藏着完全不同的故事——这故事，只有混淆矩阵讲得出来。

🏗️土木案例

案例一：裂缝检测模型的“98% 骗局”（对应图 3-4；本例数字均为教学示意）

某市桥梁巡检数据集：1000 张照片，980 张无裂缝，20 张有裂缝。模型 A 的混淆矩阵：TN=980，FP=0，FN=20，TP=0——准确率 98%！可召回率是 0，漏检率 100%，20 条裂缝一条没抓住。 模型 B：TN=950，FP=30，FN=2，TP=18——准确率 96.8%，比 A 低 1.2 个百分点，却抓住了 18 条裂缝，漏检率 10%，误报 30 次（每次派一人现场看一眼，成本可控）。你选哪个？任何脑子清醒的工程师都选 B。 所以供应商拿着“准确率 98%”汇报时，工程师的第一句话应该是：“把混淆矩阵给我看看。”

案例二：桥梁健康评级——漏检与误报的代价账

第一章那座桥，健康评级模型分五级（I 完好—V 危险）。评级涉及限载、封桥决策，两种错误都要算账。漏检：一座已经到 IV 级的桥被判成 II 级，继续正常通行，结构带病服役——风险无价，必须极低。误报：II 级桥被判成 IV 级，要限载、组织专家论证——影响交通、损失社会效益，一次误报成本可能上百万。阈值按“代价比”来定：漏检一个 IV 级的代价假设是误报的 100 倍，报警阈值就设得“激进”一些，宁可多报，也绝不放过。注意：同样是“宁可错杀”，安全场景错杀的是“复核工作量”，评级场景错杀的是“限载的社会成本”——代价不同，阈值就不同。 工程师拿着混淆矩阵要做的事，就是把矩阵里的数字，翻译成钱和风险。

案例三：隧道掌子面围岩识别——准确率数字的背后（教学示意）

某研究团队与企业合作开发的隧道掌子面围岩 AI 识别系统（采用预训练卷积神经网络），报告准确率约 90% 量级（教学示意）。这个数字听起来不错，但真正的价值在混淆矩阵里：绝大多数错分发生在相邻等级之间（III 与 IV、IV 与 V），跨级错分极少。系统犯错是“温和的”——错一档，支护参数微调即可；若出现 III 判成 V 的跨级错误，工程师就要警惕：是不是遇到了训练数据里没有的特殊岩性（分布外样本）？于是系统规定：模型输出置信度低于阈值，或出现跨级跳变，一律转人工复核。

✅本节小结

准确率会骗人，类别不平衡时尤其会骗人——无脑猜多数，准确率照样 98%。看模型，先看混淆矩阵：TP、TN、FP、FN 四格，对应抓对、放对、误报、漏检。工程师盯三个数：漏检率（安全底线）、误报率（信任与成本）、模型在哪不可靠（能力边界）。 阈值怎么定？按代价定——漏检和误报谁的代价大，天平就向谁倾斜。平均分掩盖两极，准确率掩盖漏检；矩阵里的每个数字，都是钱和风险。

✏️课堂思考题

1. 一个边坡监测预警模型，训练数据里 99% 是“正常”，1% 是“失稳前兆”。模型报准确率 99%，你能立刻指出它可能的问题吗？
2. 桥梁裂缝检测里，把报警阈值调严（更容易报警），漏检率和误报率分别怎么变？请用混淆矩阵四格解释。
3. 围岩识别模型把“IV 级”误判成“III 级”，和误判成“V 级”，工程后果有何不同？如果你是该系统的负责人，会怎么处理这类跨级错误？

3.6 综合案例：一座桥的智能管养——机器学习这一站

🏗️场景设定

还记得第一章那座桥吗？服役 25 年的预应力混凝土连续梁桥，主跨 80 米，跨越城市内河。第二章，我们给它攒了数据：无人机照片、SHM 传感器数据、历史检测报告。这一章，机器学习正式上场。这座桥的智能化，要过五道关——每一道，都是本章讲过的一课。

第一关：翻译（第一章 1.1 节）

“智能管养”是废话，翻译成机器学习能接的任务才是本事。按三大范式重新归类：

注意这张表的最后一行：当你不确定“什么算异常”时，监督学习无能为力，无监督学习补位。 先让无监督模型把监测数据筛一遍，标出“跟大家不一样”的时段，工程师再逐个确认——机器发现，人解释。

第二关：切分（3.2 节）

病害趋势预测模型，数据是十年的检测记录。怎么切？按时间切：前八年训练，第九年验证，第十年测试。为什么不用随机切分？病害发展是时间相关的，随机切等于让模型偷看未来——那座基坑反面教材不能再演。无人机裂缝识别模型呢？按桥切：训练集用这座桥以外的同类桥梁照片，测试集用这座桥的照片。为什么？同桥照片高度相似，随机切等于泄题。考点一句话：训练、验证、测试各司其职；切分按时间、按项目。

第三关：特征（3.3 节）

病害趋势预测的特征怎么定？材料工程师和结构工程师开会，定了三组：荷载侧（年均交通量、重车比例、温度极差）、状态侧（历次裂缝宽度、挠度、支座位移）、材料侧（混凝土碳化深度、氯离子含量）——全是定期检测拿得到的量，没有一个是“事后才知道”的。 裂缝识别呢？图像数据特征说不清，交给深度学习自动学（第四章展开）。表格数据做特征工程，图像数据走自动学习——3.3 节那条判断，在这座桥上落地。

第四关：过拟合（3.4 节）

这座桥最大的敌人是数据太少：十年检测记录，样本量几百条；同类桥梁数据更是稀缺。所以模型选择上，宁可用简单模型，不敢用复杂模型；特征上，能砍则砍，只留工程上站得住脚的；训练时盯住“训练误差 vs 验证误差”的差距，差距一拉大就停。记住 3.4 节的教训：训练集上的高分，可能只是背下来的。

第五关：评估（3.5 节）

模型交付前，供应商报告写着“裂缝识别准确率 96%”（本节数字均为教学示意）。工程师不看这个数，直接要混淆矩阵——漏检率 6%，误报率 2%。再算一笔账：漏检一条裂缝，可能让它发展一年，维修成本从几十万变成几百万；误报一次，派工程师现场复核，成本几百块。 代价悬殊，阈值就往严调：漏检率压到 2%，误报率升到 8%——多出的误报用人工复核兜住（教学示意：运行首年漏检率 3%，集中在罕见病害，见第一章 1.6 节）。这就是“准确率会骗人”那一课的标准答案：矩阵里的每个数字，都是钱和风险；按代价定阈值，不按好看定阈值。

成果延伸：两个把本章用到底的真实项目

延伸一：减隔震系统 ANN 代理模型 + NSGA-II 多目标优化（某研究团队实践）。 隔震支座怎么设计？传统做法：有限元反复算，算一次几小时，试几百组参数，要算到天荒地老。某研究团队换了个思路：先做一批有限元计算（比如 500 组），用这些数据训练一个人工神经网络（ANN）代理模型——这就是 3.1 节的监督学习回归：输入是隔震参数（刚度、阻尼、布置位置），输出是结构响应（位移、加速度、隔震率）。 代理模型学成后，一次预测只要毫秒级——它把有限元“抄”成了几秒出答案的经验公式。然后把它交给 NSGA-II 多目标优化算法，在“隔震效果好、成本低、位移不超限”这些互相打架的目标之间搜索帕累托前沿。但这个项目还有后半课——3.4 节：代理模型也会过拟合。 优化搜索会跑到训练数据覆盖范围之外，代理模型在那里的预测不可信。所以该团队给优化加了约束：参数范围限定在代理模型训练域内，域外结果一律弃用。 一个真实项目的成败，一半在机器学习学得对不对，另一半在“知道模型哪里不可信”。

延伸二：CNN-LSTM 水-力解耦监测（呼应 3.3 节）。 水工结构或跨河桥梁的监测信号里，水压效应和荷载效应搅在一起，传统方法要人工设计解耦特征，费劲不普适。某研究团队的 CNN-LSTM 模型：CNN 自动提空间特征，LSTM 自动提时间特征，把“水力耦合”自动分离——这就是 3.3 节“自动学特征”在波形数据上的真实版本。

💡案例启示

这座桥的机器学习这一站，一共五道关：翻译、切分、特征、过拟合、评估。五道关过完，模型不是“跑出来的”，是“审出来的”。机器学习不难在“让模型跑起来”，难在“让模型说真话”——五课学完，看到任何“准确率 98%”的模型，你的第一反应应该是：“把混淆矩阵给我看看。”

✅本节小结

每一个环节的失误，都会让模型在“看起来聪明”和“真能用”之间滑向前者。 某研究团队的减隔震代理模型与 CNN-LSTM 解耦实践表明：同样的方法用在真实工程里，考验的不是算法多新，而是你是否守住了“泛化、泄漏、代价”这三条底线。下一章，深度学习登场——本章的过拟合与评估课，在那里一样适用，而且更加凶险。

本章小结

1. 三大范式三句话：有人教（监督，分类与回归）、自己悟（无监督，聚类与异常检测）、边做边学（强化，决策与控制）（3.1）。
2. 训练集负责学、验证集负责选、测试集负责考，测试集只考一次（3.2）。
3. 三种数据泄漏：归一化用全体数据、时间序列随机打乱、同项目样本同进同出；切分按时间、按项目，绝不按样本（3.2）。
4. 特征决定上限：特征工程是把领域知识翻译成数字，特征的天花板就是模型的天花板（3.3）。
5. 过拟合是背答案：把噪声当规律，训练误差低、泛化误差高；四味药——加数据、减特征、正则化、早停（3.4）。
6. 准确率会骗人：类别不平衡时，无脑猜多数也能拿 98%；看模型先看混淆矩阵（3.5）。
7. 工程师盯三个数：漏检率（安全底线）、误报率（信任与成本）、模型在哪不可靠（能力边界）；阈值按代价定（3.5）。
8. 综合案例五道关：翻译、切分、特征、过拟合、评估——机器学习的成败，一半在学得对不对，一半在知道它哪里不可信（3.6）。

思考题

★ 入门级

1. 用一句话分别概括监督学习、无监督学习、强化学习的“知识来源”，并各举一个土木应用。
2. 训练集、验证集、测试集的分工分别是什么？为什么测试集“只考一次”？
3. 什么是特征工程？为什么说“特征的天花板就是模型的天花板”？
4. 用自己的话解释过拟合，并说明它和“背答案”的相似之处。

★★ 应用级

1. 某单位用 AI 预测隧道掘进地表沉降，数据是一年来的逐环监测记录。给出数据切分方案，并说明随机切分会发生什么。
2. 混凝土强度预测模型用了“实际养护湿度”做特征，效果很好。能直接部署到现场吗？为什么？
3. 深基坑监测预警模型，正常数据占 99%。报警阈值怎么定？漏检和误报各有什么代价？画一张代价对比表。
4. 某模型混淆矩阵：TP=85，FP=15，FN=5，TN=895。计算准确率、精确率、召回率、漏检率、误报率，并评价它适合桥梁裂缝巡检吗？

★★★ 挑战级

1. 第一章 1.6 节那座桥的“裂缝严重程度回归模型”（预测裂缝宽度），请设计完整方案：特征、数据切分、过拟合防控、评估指标，300 字以内。
2. 讨论题：供应商推销“裂缝识别准确率 99%”的模型，你要求看混淆矩阵后，发现漏检率高达 15%，供应商辩称“行业领先”。你怎么回应？结合漏检代价、误报代价和第一章的伦理红线，给出完整立场。
3. 综合题：用机器学习为学校图书馆大楼设计“结构健康评估模型”，数据只有三年监测记录（加速度、温度、裂缝普查）。数据切分怎么设计？特征怎么选？最可能的过拟合风险？评估盯哪几个指标？用本章概念完整作答。

拓展阅读

1. 周志华《机器学习》第 1—2 章——三大范式与模型评估的严谨定义。
2. ［美］伊恩·古德费洛等《深度学习》第 5 章——机器学习基础：容量、过拟合、正则化的标准论述。
3. ［美］哈斯蒂等《统计学习导论》（ISLR）——特征工程与模型评估的入门经典。
4. 交通运输部《公路桥梁养护规范》（JTG 5120）——桥梁技术状况评定的业务逻辑。
5. 公开的开源项目——其中不乏土木工程场景的机器学习案例（围岩识别、结构监测等），可作为拓展学习资源。

参考文献

1. 周志华. 机器学习[M]. 北京: 清华大学出版社, 2016.
2. Goodfellow I, Bengio Y, Courville A. Deep Learning[M]. Cambridge: MIT Press, 2016.
3. Hastie T, Tibshirani R, Friedman J. The Elements of Statistical Learning[M]. 2nd ed. New York: Springer, 2009.
4. James G, Witten D, Hastie T, Tibshirani R. An Introduction to Statistical Learning[M]. New York: Springer, 2013.
5. 中华人民共和国交通运输部. 公路桥梁养护规范: JTG 5120—2021[S]. 北京: 人民交通出版社, 2021.
6. Deb K, Pratap A, Agarwal S, Meyarivan T. A fast and elitist multiobjective genetic algorithm: NSGA-II[J]. IEEE Transactions on Evolutionary Computation, 2002, 6(2): 182-197.