当一个模型构建完成之后,我们可以通过几个不同的性能指标来衡量分类模型的相关性能,常用的分类性能指标有准确率(precision)、召回率(recall)和F1分数(F1-score)。
一、混淆矩阵
混淆矩阵(confusion matrix):是展示分类学习算法的一种性能矩阵(方阵),包括分类器预测结果真正(true positive)、真负(true negative)、假正(false positive)、假负(false negative)的数量,如下图:
真正:实际是正类别,预测也是正类别
假负:实际是正类别,预测成了负类别
真负:实际是负类别,预测也是负类别
假正:实际是负类别,预测成了正类别
通过sklearn的confusion_matrix函数和matplotlib来实现混淆矩阵