![d5c905b02a6f2462963c7cbc546cfaf6.png](https://i-blog.csdnimg.cn/blog_migrate/9b08b937fe539d987a797ea6ac1c313c.jpeg)
分类模型建立好后,这个模型到底符不符合要求要怎么评判呢?
事实上是有评价标准的。
要评价模型在测试集上预测结果的好坏,可以使用Sklearn库中的metrics模块方法进行计算。
常用的评价方式见下表:
评价方式 | 功 能 |
accuracy_score() | 计算分类模型的准确率 |
auc() | 计算ROC曲线的下面积AUC,使用梯形规则 |
classification_report() | 建立一个包含主要评价方法结果的报告 |
confusion_matrix() | 计算分类器预测结果的混淆矩阵 |
f1_score() | 计算F-beta得分 |
precision_recall_curve() | 针对不同的概率阈值计算精确率和召回率 |
roc_auc_score() | 根据预测百分比计算受试者操作特征曲线ROC下的面积AUC |
roc_curve() | 计算ROC的横纵坐标 |
更多方式可以参考网址:
Python sklearn.metrics模块,常用函数和类codingdict.com为