机器学习（七）分类模型的评估

机器学习（七）分类模型的评估

实际上，在学习k-近邻算法，以及朴素贝叶斯算法的的时候，我们在代码里面已经运用到了相关方法：

estimator.score() #一般最常见使用的是准确率，即预测结果正确的百分比

那么，他的底层原理大概是什么样子的呢？

一.混淆矩阵

1.1 什么是混淆矩阵

在分类任务下，预测结果(Predicted Condition)与正确标记(True Condition)之间存在四种不同的组合，构成混淆矩阵(适用于多分类)

什么意思呢？

我们举一个例子，先看“真实结果”，我们假设正例为“是猫”，则假例便是“非猫”

再看横轴，即：“预测结果”。如果预测的结果是“猫”，那么这就是横轴的正例，如果预测结果不是猫，那么就是横轴的假例

如果预测的结果是猫，且测试的对象，确实就是一只猫，那么就是