机器学习模型结果，合理使用

机器学习算法结合生信分析很多，作为非算法专业人士，根据模型得到的结论，敢用吗？

又有哪些模型评估方法可以是我们用的稍微放心一点呢？

本文主要从以下两个模型类别来介绍：

• 评价分类结果：精准度、混淆矩阵、精准率、召回率、F1 Score、ROC曲线等
• 评价回归结果：MSE、RMSE、MAE、R Squared

一 分类算法评价

1.1 预测准确性

分类模型预测是否患有癌症的准确度99.9%，哇 好高，那这个模型是不是就是很好呢？

假如癌症产生的概率是0.1%，那即使“傻瓜式”的预测所有人都是健康的，就可达到99.9%的准确率。

也就是说对于极度偏斜的数据，只使用分类准确度不行。此时就需要使用混淆矩阵(Confusion Matrix)做进一步分析。

1.2 混淆矩阵

对于二分类问题来说，所有的问题被分为0和1两类，混淆矩阵是2*2的矩阵：

	预测值0	预测值1
真实值0	TN	FP
真实值1	FN	TP

• TN：真实值是0，预测值也是0，