分类算法的评价指标

概述

近日学习分类算法时，例如，SVM、KNN和LR等时，一直苦于不知道如何很好的评价训练出来模型的好坏，在查看了大量的网上资料以及机器学习相关的书籍之后，基本明确了在分类算法中常用的评价指标以及相关指标的Python代码实现，闲话说到这，现在简单的对这些评价指标逐步说明一下。

概念

在机器学习分类算法中，用来对分类算法评价的指标有：准确率（accuracy）、召回率（recall）、精准率（precision）、F1-score、ROC以及AUC，相关概念如下：

准确率（accuracy）：指对一个事物表达或描述的正确程度，用来反映对事物的正确性解答，直观的感受就是总样本中预测正确的概率；

召回率（recall）：是检索出的相关文档数和文档库中所有的相关文档数的比率，也叫查全率，亦可以叫做真正率；

精准率（precision）：描述的在预测结果为正类时，预测正确的比率；

F1-score：精准率和召回率的调和函数

ROC：ROC全称是receiver operating characteristic curve，又称为感受性曲线（s