sklearn.metrics中的评估方法（MAE\MSE）

1.1 分类
函数    功能
metrics.accuracy_score    准确率
metrics.balanced_accuracy_score    在类别不均衡的数据集中，计算加权准确率
metrics.top_k_accuracy_score    获得可能性最高的k个类别
metrics.average_precision_score    根据预测分数计算平均精度 (AP)
metrics.brier_score_loss    Brier 分数损失
metrics.f1_score    F1 score
metrics.log_loss    交叉熵损失
metrics.precision_score    精确率
metrics.recall_score    召回率
metrics.jaccard_score    Jaccard 相似系数得分
metrics.roc_auc_score    根据预测分数计算 Area Under the Receiver Operating Characteristic Curve(ROC AUC) 下的面积
metrics.cohen_kappa_score    衡量注释间一致性的统计量
1.2 聚类
函数    功能
metrics.adjusted_mutual_info_score    两个聚类之间的调整互信息(AMI)
metrics.adjusted_rand_score    调整兰德指数
metrics.completeness_score    给定GT的集群标记的完整性度量
metrics.fowlkes_mallows_score    测量一组点的两个聚类的相似性
metrics.homogeneity_score    同质性指标
metrics.mutual_info_score    互信息
metrics.normalized_mutual_info_score    标准化互信息
metrics.rand_score    兰德指数
metrics.v_measure_score    V测度得分
1.3 回归
函数    功能
metrics.explained_variance_score    解释方差回归评分函数
metrics.mean_absolute_error    平均绝对误差
metrics.mean_squared_error    均方误差
metrics.mean_squared_log_error    平均平方对数误差
metrics.median_absolute_error    中位数绝对误差
metrics.r2_score    R 2 R^2R 

原文链接：https://blog.csdn.net/Huang_Fj/article/details/124100598