详解sklearn中的merics

sklearn.metrics 不仅包括了评估功能，还有性能度量，距离度量等 。

分类矩阵 

<

metrics.accuracy_score(y_true, y_pred[, …])	精确度
metrics.auc(x, y[, reorder])	AUC面积
metrics.average_precision_score(y_true, y_score)	根据预测得分计算平均精度
metrics.balanced_accuracy_score(y_true, y_pred)	计算平衡精度
metrics.brier_score_loss(y_true, y_prob[, …])	计算布里尔分数
metrics.classification_report(y_true, y_pred)	构建显示主要分类指标的文本报告
metrics.cohen_kappa_score(y1, y2[, labels, …])	kappa系数用于一致性检验
metrics.confusion_matrix(y_true, y_pred[, …])	计算混淆矩阵
metrics.f1_score(y_true, y_pred[, labels, …])	计算F1-score ，也被叫做 平衡 F-score 或者F-measure