一、使用sklearn.metric包中的性能度量函数
(一)分类器性能指标
精度-召回率-F度量(Precision-Recall-F_measures)
损失函数(Loss Function)
接收机操作曲线(ROC Curves)
1、只限于二元单标签分类问题的评估指标
(1)matthews_corrcoef(y_true,y_pred[,…]计算二元分类中的Matthews相关系数(MCC)
(2)precision_recall_curve(y_true,probas_pred)在不同的概率阈值下计算precision-recall点,形成曲线
(3)roc_curve(y_true,y_score[,pos_label,…])计算ROC曲线
2、可用于二元多标签分类问题的评估指标
(1)average_precision_score(y_true,y_score[,…])
SKLearn分类器评估指标(一)
最新推荐文章于 2024-08-08 23:17:59 发布
本文介绍了如何使用sklearn.metrics进行分类器性能评估,包括精度、召回率、F度量、损失函数以及ROC曲线等关键指标。针对二元单标签、二元多标签和多类分类问题,分别探讨了相应的评估方法,如Matthews相关系数、precision-recall曲线、ROC曲线、平均精度和AUC值等。
摘要由CSDN通过智能技术生成