在机器学习中,评估模型的性能是十分重要的。特别是在分类任务中,我们需要了解模型在不同方面的表现,以便选择合适的模型或调整模型参数。scikit-learn(sklearn)是一个常用的Python机器学习库,提供了许多用于评估分类模型性能的指标函数。本文将概述sklearn中常用的分类模型评估指标函数,并附上相应的源代码示例。
- 准确率(Accuracy)
准确率是最常见的分类模型评估指标之一,表示分类正确的样本数量与总样本数量之比。在sklearn中,可以使用accuracy_score
函数计算准确率。
from sklearn.metrics import accuracy_score
y_true = [0, 1