Python sklearn.metrics机器学习各种评价指标

已于 2023-09-21 16:02:23 修改
阅读量191 收藏
点赞数 1
文章标签： python 机器学习 sklearn
于 2023-09-21 14:59:42 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/noob0/article/details/133133078
版权
本文详细介绍了Python的sklearn库中用于机器学习评价的多种指标，包括Accuracy、f1_score、Sensitivity（Recall）、Specificity、ROC曲线下面积AUC等，并解释了相关概念如真阳（TP）、真阴（TN）、假阳（FP）、假阴（FN），以及各种误差和精度衡量方法。
摘要由CSDN通过智能技术生成

参考https://blog.csdn.net/Yqq19950707/article/details/90169913
https://mp.weixin.qq.com/s/kga6AD7vx-4Km4f_CKwQqA

回归指标

1.explained_variance_score(y_true, y_pred, sample_weight=None, multioutput=‘uniform_average’)：回归方差(反应自变量与因变量之间的相关程度)

2.mean_absolute_error(y_true,y_pred,sample_weight=None, multioutput=‘uniform_average’)：
平均绝对误差

3.mean_squared_error(y_true, y_pred, sample_weight=None, multioutput=‘uniform_average’)：均方差

4.median_absolute_error(y_true, y_pred) 中值绝对误差

5.r2_score(y_true, y_pred,sample_weight=None,multioutput=‘uniform_average’) ：R平方值

分类指标
confusion matrix
-真阳（TP）− 当数据点的实际类别和预测类别均为1

-真实阴（TN）− 当数据点的实际类和预测类都为0

-假阳（FP）− 当数据点的实际类别为0，预测的数据点类别为1

-假阴（FN）− 当数据点的实际类别

最低0.47元/天 解锁文章
医个学僧
关注
Python数据分析从入门到进阶：模型评估和选择（含详细代码）
Saki_Python的博客
09-19 3931
之前我们介绍了机器学习的一些基础性工作，介绍了如何对数据进行预处理，接下来我们可以根据这些数据以及我们的研究目标建立模型。那么如何选择合适的模型呢？首先需要对这些模型的效果进行评估。本文介绍如何使用sklearn代码进行模型评估。
sklearn.metrics.ari/acc/nmi使用报错&sklearn各种评价指标
bosong的博客
05-03 1196
一、使用报错 尝试将from sklearn import metrics修改为 from sklearn.metrics import accuracy_score from sklearn.metrics.cluster import normalized_mutual_info_score from sklearn.metrics.cluster import adjusted_rand_score 不确定是不是metrics版本的问题。 二、评价指标 1. 回归 1）#回归方差(反..
【Python】算法评估指标(sklearn.metrics)
烦成航的博客
11-16 616
【Python】算法评估指标(sklearn.metrics) keras model.predict() f1 pr re
Python sklearn机器学习各种评价指标——Sklearn.metrics简介及应用示例
热门推荐
Yqq19950707的博客
05-13 10万+
Python Sklearn.metrics 简介及应用示例 利用Python进行各种机器学习算法的实现时，经常会用到sklearn（scikit-learn）这个模块/库。 无论利用机器学习算法进行回归、分类或者时聚类，评价指标，即检验机器学习模型效果的定量指标，都是一个不可避免且十分重要的问题，因此，结合scikit-learn主页上的介绍，对常用的评价指标及其实现、应用进行简单介绍。 ht...
sklearn——metrics模型评估指标
lizz2276的博客
04-18 3644
sklearn——metrics模型评估指标 一、简介 sklearn.metrics中包含了许多模型评估指标，例如决定系数R2、准确度等，下面对常用的分类模型与回归模型的评估指标做一个区分归纳， 二、分类模型指标 1、准确率 　　分类准确率分数是指所有分类正确的百分比。分类准确率这一衡量分类器的标准比较容易理解，但是它不能告诉你响应值的潜在分布，并且它也不能告诉你分类器犯错...
【Python】常用工具包系列4 —— sklearn
qq_42950838的博客
11-09 848
笔者：YY同学Serendipity 生命不息，代码不止。好玩的项目尽在GitHub！
sklearn.metrics.f1_score 使用方法
壮壮不太胖的学习笔记
04-25 2万+
原网站：sklearn官网 使用sklearn计算 F1 score sklearn.metrics.f1_score(y_true, y_pred, labels=None, pos_label=1, average='binary', sample_weight=None, zero_division='warn') 计算F1分数，也称为平衡F分数或F测度 F1分数可...
【074】算法评估库 sklearn.metrics
小麦粒的Python
05-06 2728
内容目录一、sklearn.metrics 简介二、sklearn.metrics 常用库三、详解评估库一、Sklearn.metrics 简介  无论利用机器学习算法进行回归、分类或者...
sklearn.metrics.classification_report例子说明
RikkaTakanashi的博客
01-12 1838
关于sklearn.metrics.classification的说明，不少博客都是列几行代码再说一下precision,recall,F1-score定义就完事儿，实在是难以理解其用法，本文将用例子与算式结合的方式说明 例子 import numpy as np from sklearn.metrics import classification_report y_true =np....
机器学习常用性能指标及sklearn中的模型评估
微澜同学
09-17 1万+
一，机器学习常用性能指标总结 （转载并稍作修改和补充） 在机器学习中，性能指标(Metrics)是衡量一个模型好坏的关键，通过衡量模型输出y_predict 和 y_true之间的某种"距离"得出的。 性能指标往往是我们做模型时的最终目标，如准确率，召回率，敏感度等等，但是性能指标常常因为不可微分，无法作为优化的loss函数，因此采用如cross-entropy, rmse等“距离”可微函数...
分类任务评估1——推导sklearn分类任务评估指标
LMTX069的博客
06-19 3548
二分类问题中，准确率、精准率、召回率、F1值、ROC曲线、AUC值都是基于混淆矩阵展开计算的。
sklearn工具包---分类效果评估（acc、recall、F1、ROC、回归、距离）
飘过的春风
11-21 1万+
一、acc、recall、F1、混淆矩阵、分类综合报告 1、准确率 第一种方式：accuracy_score # 准确率 import numpy as np from sklearn.metrics import accuracy_score y_pred = [0, 2, 1, 3,9,9,8,5,8] y_true = [0, 1, 2, 3,2,6,3,5,9] #共9个数据，3个...
Python计算分类问题的评价指标(准确率、精确度、召回率和F1值，Kappa指标)
weixin_46277779的博客
03-04 1万+
Python计算分类问题的评价指标(准确率、精确度、召回率和F1值，Kappa指标)
【机器学习】回归模型评价指标原理与基于sklearn的实现
Dong_ZH的博客
01-30 6788
回归任务是机器学习中常见的任务，特别是涉及到具体的发电量预测、风力预测等工业任务时，有非常多的应用场景。回归任务不同于分类任务，回归任务的预测值一般是连续的数，分类任务的预测值则是离散的值（比如0、1分类）；分类任务使用accuracy_score、recall_score、F1_score作为评价指标，而回归任务中常用的四大评价指标主要包括：explained_variance_score、mean_absolute_error、mean_squared_error、r2_score。
多分类混淆矩阵（sklearn.metrics）
sinat_38059712的博客
01-31 3196
转载自：苏格拉- PYTHON - OPENCV实现图像超像素分割（SLIC、SEEDS、LSC） sklearn.metrics.multilabel_confusion_matrix(y_true, y_pred, *, sample_weight=None, labels=None, samplewise=False) Examples Multilabel-indicator case: >>> import numpy as np >>> from s..
python笔记：sklearn r2_score和explained_variance_score的本质区别是什么？
htuhxf的博客
09-22 1万+
stackoverflow链接 Q：我知道r2_score表示的是在总变变量中模式解释的百分比。但是explained_variance_score和它有什么区别？ Answer (by CT Zhu): 当残差的均值为0时，它俩是一样的。选区的标准嘛，就看你是不是假设残差均值为0？ import numpy as np """残差均值不为0""" y_ture = [3, -0.5, 2, 7...
sklearn.metrics 用法详解
Huang_Fj的博客
04-11 1万+
挖个坑 参考链接： [1] https://scikit-learn.org/stable/modules/model_evaluation.html [2] https://blog.csdn.net/qq_27575895/article/details/83781069 用法概览 数学原理 实例
scikit-learn中拟合结果的评价指标
lipe12的专栏
04-20 3万+
在sklearn中包含四种评价尺度，分别为mean_squared_error、mean_absolute_error、explained_variance_score 和 r2_score。均方差（mean-squared-error）平均绝对值误差（mean_absolute_error）可释方差得分（explained_variance_score）中值绝对误差（Median absolute
2.4 sklearn中的metrics.roc_auc_score评价指标
柳杰的博客
01-08 7696
文章目录引言案例 引言 它应该是加入了多分类情况，关系没理清，后期补上 from sklearn.metrics import roc_auc_score roc_auc_score(y_true, y_score, *, average='macro', sample_weight=None, max_fpr=None, multi_class='raise', labels=None) 计算曲线ROC的面积 - Parameters(参数) y_true : array-like of sh
python中sklearn.metrics
最新发布
06-26
在Python的机器学习库scikit-learn（sklearn）中，`metrics`模块是一个核心组件，用于评估模型的性能和预测结果。它包含了各种度量标准，用于分类、回归、聚类等多种任务。这个模块提供了诸如精度（accuracy）、召回...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值