一般最常见使用的是准确率 estimator.score(),即预测结果正确的百分比
精准率:精确率:预测结果为正例样本中真实为正例的比例(查得准)
召回率:真实为正例的样本中预测结果为正例的比例(查的全,对正样本的区分能力)
其他分类标准,F1-score,反映了模型的稳健型
F1 =2TP(真正例)/2TP(真正例)+FN(伪反例)+FP(伪证例)
=2*Precision.Recall/Precision + Recall
分类模型评估API:
sklearn.metrics.classification_report
sklearn.metrics.classification_report(y_true,y_pred,target_names=None)
y_true:真实目标值
y_pred:估计器预测目标值
target_names:目标类别名称
return:每个类别精确率与召回率