sklearn聚类模型评估代码_sklearn之模型评估指标总结归纳

机器学习模型评估

以下方法，sklearn中都在sklearn.metrics类下，务必记住哪些指标适合分类，那些适合回归，不能混着用

分类的模型大多是Classifier结尾，回归是Regression

分类模型

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】

accuracy_score(y_test,y_pre)

# 或者 model.score(x_test,y_test)，大多模型都是有score方法的

classification_report中的各项得分的avg/total 是每一分类占总数的比例加权算出来的

print(classification_report(y_test,y_log_pre))

precision recall f1-score support

0 0.87 0.94 0.90 105

1 0.91 0.79 0.85 73

avg / total 0.88 0.88 0.88 178

confusion_matrix(混淆矩阵)，用来评估分类的准确性

有的分类问题，实际样本中1000个A，10个B，如果最后分类大多数B都被预测错误了，但依据其他评估方法，得分反而很高(因为A的数目相对太多导致的)

>>> from sklearn.metrics import confusion_matrix

>>> y_true = [2, 0, 2, 2, 0, 1]

>>> y_pred = [0, 0, 2, 2, 0, 2]

>>>