判定一个模型是好是坏,应该从多个角度去评判
一般最常使用的是准确率,即预测结果正确的百分比(正确个数/总个数)。API为:estimator.score()
其他标准:首先介绍混淆矩阵
混淆矩阵引出其他指标
精确率(查得准):预测结果为正例样本中,真实结果为正例的比例 TP/(TP+FP)
召回率(查得全):真实结果为正例样本中,预测结果为正例的比例 TP/(TP+FN)
调和均值:F1 = 2精确率召回率 /(精确率+召回率)
调和均值F1是精确率和召回率的调和平均数,最大为1,最小为0,反映了模型的稳健性
API:sklearn.metrics.classification_report(y_true,y_pred,target_names=None)
会返回每个类别的精确率和召回率