python评价指标_详解分类评价指标和回归评价指标以及Python代码实现

这篇文章介绍的内容是详解分类评价指标和回归评价指标以及Python代码实现，有着一定的参考价值，现在分享给大家，有需要的朋友可以参考一下。

1、概念

性能度量(评价)指标，主分为两大类：

1)分类评价指标(classification)，主要分析，离散的，整数的。其具体指标包括accuracy(准确率)，precision(精确率)，recall(召回率)，F值，P-R曲线，ROC曲线和AUC。

2)回归评价指标(regression)，主要分析整数和实数之间的关系。其具体指标包括可释方差得分(explianed_variance_score)，平均绝对误差MAE(mean_absolute_error)，均方误差MSE(mean-squared_error)，均方根差RMSE，交叉熵lloss(Log loss，cross-entropy loss)，R方值(确定系数，r2_score)。

1.1、前提假设只有两类-正类(positive)和负类(negative)，通常以关注的类为正类，其他类为负类(故多类问题亦可归纳为两类)

混淆矩阵(Confusion matrix)如下实际类别预测类别

正负总结

正TPFNP(实际为正)

负FPTNN(实际为负)表中AB模式：第一个表示预测结果的对错，第二个表示预测的类别。如TP表示，True Positive，即正确的预测为正类；FN表示，False Negative，即错误的预测为了负类。

2、评价指标(性能度量)

2.1、分类评价指标2.1.