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