机器学习中的性能评估指标

在机器学习领域，性能评估指标是一种量化模型预测能力的方式。通过使用适当的性能评估指标，我们可以对机器学习模型的表现进行客观的评估和比较。本文将介绍几个常用的性能评估指标，并提供相应的源代码示例。

1. 准确率（Accuracy）：
   准确率是最常见的性能评估指标之一。它表示模型正确预测的样本数与总样本数之比。准确率可以通过以下公式计算：

accuracy = (TP + TN) / (TP + TN + FP + FN)

其中，TP（True Positive）表示真正例的数量，TN（True Negative）表示真反例的数量，FP（False Positive）表示假正例的数量，FN（False Negative）表示假反例的数量。下面是一个准确率计算的示例代码：

from sklearn.metrics import accuracy_score

y_true =