Sklearn.metrics 模型效果验证——accuracy, precision, recall, F1

accuracy, precision, recall, F1四个函数是分类问题中常见的四个模型评价函数。原来都是自己写代码来实现。现在没办法，懒了。所以打算直接调用 Sklearn.metrics 中的函数。第一次用，所有出现了几个问题，这里记录一下，省得自己以后又要再找。

• accuracy_score（准确率得分）是模型分类正确的数据除以样本总数 【模型的score方法算的也是准确率】

from sklearn.metrics import accuracy_score
y_true = [2, 0, 2, 2, 0, 1]
y_pred = [0, 0, 2, 2, 0, 2]
accuracy = accuracy_score(y_true, y_pred)
print(accuracy)

0.6666666666666666

• confusion_matrix（混淆矩阵），用来评估分类的准确性

>>> from sklearn.metrics import confusion_matrix
>>> y_true = [2, 0, 2, 2, 0, 1]
>>> y_pred = [0, 0, 2, 2, 0, 2]
>>> confusion_matrix(y_true, y_pred)
array([[2, 0, 0],
       [0, 0, 1],
       [1, 0, 2]])

• precision_score(精确度)、recall_score(召回率)、f1_score（后者由前两个推导出的࿰