svc预测概率_概率类模型的评估指标

混淆矩阵和精确性可以帮助我们了解贝叶斯的分类结果。然而我们选择贝叶斯进行分类，大多数时候都不是为了单单追求效果，而是希望看到预测的相关概率。这种概率给出预测的可信度，所以对于概率类模型我们希望能够由其他的模型评估指标来帮助我们判断模型在“概率预测”这项工作上，完成得如何。接下来，我们就来看看概率模型独有的评估指标.

---

1.布里尔分数Brier Score

概率预测的准确程度被称为“校准程度”，是衡量算法预测出的概率和真实结果的差异的一种方式。一种比较常用的指标叫做布里尔分数，它被计算为是概率预测相对于测试样本的均方误差，表示为:

其中N是样本数量， pi为朴素贝叶斯预测出的概率，oi是样本所对应的真实结果，只能取到0或者1，如果事件发生则为1，如果不发生则为0。 这个指标衡量了我们的概率距离真实标签结果的差异，其实看起来非常像是均方误差。布里尔分数的范围是从0到1，分数越高则预测结果越差劲，校准程度越差，因此布里尔分数越接近0越好。由于它的本质也是在衡量一种损失