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。
![](https://img-blog.csdnimg.cn/20200515224946522.png)
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。