机器学习分类_机器去学习--分类效果评价

一、分类模型的评价方法：

1.错误率是最简单的评价方法，但不能清楚的看到样例是如何分错的；

2.混淆矩阵有效的解决了错误率过于笼统的问题，并由此衍生了正确率、召回率、F1等指标和PR曲线、ROC曲线、AUC值等。

3.分类模型常用评估指标实现

sklearn.metrics.accuracy_score()

sklearn.metrics.presicion_score()

sklearn.metrics.recall_score()

sklearn.metrics.f1_score()

sklearn.metrics.precision_recall_curve()

sklearn.metrics.roc_curve()

sklearn.metrics.confusion_matrix()

三、回归模型常用评价指标

sklearn.metrics.r2_score()

sklearn.metrics.mean_absolute_error()

sklearn.metrics.mean_squared_error()

sklearn.metrics.median_absolute_error()

参考《机器学习实战》/（美）哈林顿著