机器学习——模型评估

1. 常见的分类模型评估指标

• 准确率（Accuracy）：正确分类的样本数占总样本数的比例。
• 精确率（Precision）：真正例（TP）占预测为正例（TP+FP）的比例。
• 召回率（Recall）：真正例（TP）占实际为正例（TP+FN）的比例。
• F1分数（F1 Score）：精确率和召回率的调和平均值，用于综合评估模型性能。

from sklearn.metrics import confusion_matrix
y_true = [1, 1, 0, 1, 0, 0]
y_pred = [1, 1, 1, 1, 0, 1]
TN, FP, FN, TP = confusion_matrix(y_true, y_pred).ravel()
print(TN, FP, FN, TP)

运行结果为 
以这段代码为例来计算以上分类模型评估指标

TP表示原本为阳性，经模型预测后也为阳性的个数
FN表示原本为阳性，经模型预测后不为阳性的个数
FP、TN亦是如此。

1.1 准确率

Accuracy（