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