第五章准确率、精确率与混淆矩阵

最新推荐文章于 2024-01-24 17:11:03 发布

IntelligentRS

最新推荐文章于 2024-01-24 17:11:03 发布

阅读量3.1k

点赞数 1

分类专栏： Python入门数据科学机器学习算法（学习笔记）文章标签：矩阵线性代数 python 机器学习

本文链接：https://blog.csdn.net/qq_36171491/article/details/123267406

版权

本文详细介绍了机器学习中准确率、精确率的概念，并通过Python代码展示了如何计算准确率和混淆矩阵。混淆矩阵是评估分类算法性能的重要工具，包括真阳性、假阴性、假阳性、真阴性等关键指标，对于数据不平衡的情况，准确率可能产生误导，此时应考虑使用其他评估指标如Matthews相关系数。

摘要由CSDN通过智能技术生成

5.1 准确率（Accuracy）与精确率（Precision）概念

5.2 Python代码实现准确率的计算

5.3 混淆矩阵

5.3.1 混淆矩阵举例

5.3.2 Python代码实现混淆矩阵的计算

5.1 准确率（Accuracy）与精确率（Precision）概念

有关介绍的网站：https://en.wikipedia.org/wiki/Accuracy_and_precision（注：下面的一些图片转载自该网站，并非原创）。

准确率和精确率是观测误差的两个衡量标准。 准确率是一组给定的预测值与其真实值的接近或远离程度，而精确率是预测值彼此之间的接近或分散程度。准确率的计算公式如图1所示。

图1 准确率计算公式

图2 准确率和精确率

图3 根据 ISO 5725-1，准确度包括准确率（测量结果与真实值的接近程度）和精确率（测量的可重复性或再现性）

图4 由于精确率低导致准确率低

图5 即使精确率高准确率也低

5.2 Python代码实现准确率的计算

def calculate_the_accuracy(actual_data,predicted_data):
    """
    该函数用于计算模型预测的准确率
    Parameters
    ----------
    actual_data : 一纬列表
        真实数据.
    predicted_data : 一维列表
        预测数据.

    Returns
    -------
    TYPE
        准确率.

    """
    # 定义一个变量用于后续统计真实数据等于预测数据的个数
    correct_num = 0
    # 循环遍历每一个真实数据与预测数据
    for i in range(