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。
- 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 =