精确率与召回率
什么是混淆矩阵
在分类任务下,预测结果(Predicted Condition)与正确标记(True Condition)之间存在四种不同的组合,构成混淆矩阵(适用于多分类)
精确率: 预测结果为正例样本中真实为正例的比例
召回率:真实为正例的样本中预测结果为正例的比例(查得全,对正样本的区分能力)
还有其他的评估标准,F1-score,反映了模型的稳健型
分类评估报告API:
sklearn.metrics.classification_report(y_true, y_pred, labels=[], target_names=None )
y_true:真实目标值
y_pred:估计器预测目标值
labels:指定类别对应的数字
target_names:目标类别名称
return:每个类别精确率与召回率
ret = classification_report(y_test, y_predict, labels=(2,4), target_names=(“良性”, “恶性”))
print(ret)