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 | <