转载:https://blog.csdn.net/houyanhua1/article/details/87968953
分类模型的评估标准一般最常见使用的是准确率(estimator.score()),即预测结果正确的百分比。
混淆矩阵:![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/5df6befacc9670ca851fc540665bf229.png)
准确率是相对所有分类结果;精确率、召回率、F1-score是相对于某一个分类的预测评估标准。
精确率(Precision):预测结果为正例样本中真实为正例的比例(查的准)(![](https://i-blog.csdnimg.cn/blog_migrate/03a73031b20deb3cee33eaf69da45483.png)
)
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/cf8409e44a2e6693abaa8ddafd720833.png)
召回率(Recall):真实为正例的样本中预测结果为正例的比例(查的全)(![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/97ea0b49695044a0219c57a9406fd301.png)
)
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/c41447efe05ac5e7db4bb48eef4e896a.png)
分类的其他评估标准:F1-score,反映了模型的稳健型
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/0305a45856a602ba4dcd3a70c6e51cd7.png)