模型评估的方式:
一…回归模型:
1.平均绝对误差
指预测值和真实值之间平均相差多少,更好地反映预测值真实的误差情况
2.平均方差
观测值与真值偏差的平方和与观测次数的比值,评价数据的变化程度,值越小,说明预测模型描述实验数据具有更好的 精确度
3.R决定系数
评估拟合好坏,实际取值范围[0,1], 越接近1拟合效果越好
4.交叉验证
原始数据进行分组,一部分做为训练集,另一部分做为验证集
二.分类模型:
1.精确率,召回率,准确率,F1调和均值
准确率:对于给定的测试集,分类模型正确分类的样本数与总样本数之比;
召回率:对于给定测试集的某一个类别,样本中的正类有多少被分类模型预测正确
精确率:对于给定测试集的某一个类别,分类模型预测正确的比例;
F1:精确率和召回率的调和均值,综合考虑两者的指标
from sklearn.metrics import accuracy_score
2.混淆矩阵
是表示精度评价的一种标准格式,用n行n列的矩阵形式来表示
from sklearn.metrics import confusion_matrix
3.ROC曲线和AUC计算
横轴FRR:预测阴中真阳
纵轴TPR:预测阳中真阳
ROC 曲线下的面积,通常情况下数值介于0.5-1之间,可以评价分类器的好坏,数值越大说明越好
from sklearn.metrics import roc_auc_score
2021-03-23
最新推荐文章于 2022-03-23 15:12:29 发布