性能度量 | 分类模型的评估指标

分类模型的评估指标

1．准确率（accuracy）

准确率就是用来衡量模型对数据集中样本预测正确的比例，即等于所有预测正确的样本数目与所有参加预测的样本总数目的比。

例3 准确率计算

from sklearn.metrics import accuracy_score

y_true = [1,0,2,0,1,0,2,0,0,2]
y_pred = [1,0,1,0,0,0,2,0,2,1]
accuracy1 = accuracy_score(y_true,y_pred,normalize=True)
print(accuracy1)
accuracy2 = accuracy_score(y_true,y_pred,normalize=False)
print(accuracy2)

输出：

其中，y_true是验证集的实际类别，y_pred是验证集的预测类别，参数normalize选择输出结果的类型（选择True，输出为准确率；选择False，输出为验证集被正确分类的数目）。

2．精度（precision）

• P(Positive)和N(Negative) 表示模型的判断结果。
• T(True)和F(False) 表示模型的判断结果是否正确。