基于sklearn的分类模型评估方法

欢迎关注笔者的微信公众号

---

在模型评估过程中，分类问题、排序问题、回归问题往往需要使用不同的指标进行评估。在诸多的评估指标中，大部分指标只能片面地反映模型的一部分性能。如果不能合理地运用评估指标，不仅不能发现模型本身的问题，而且会得出错误的结论。

与线性回归问题不同，分类问题，或者说逻辑回归问题输出的是离散值，即判断某件事物属于哪个类别。事实上，逻辑回归模型输出的是一个概率值，通过将这个概率预测值与设定的分类阈值（threshold）进行比较，若大于阈值则分为正类，否则为反类。

评价指标

准确率（Accuracy），精确率（Precision），召回率（Recall），均方根误差 （Root Mean Square Error，RMSE）

准确率
$$Accuracy=\frac{n_{correct}}{n_{total}}$$
其中 n c o r r e c