回归、分类模型常用的评估方法

一、回归模型主要有以下评估方法

1、平均绝对误差 Mean Absolute Error(MAE)

结果越小越好

from sklearn.metrics import mean_absolute_error
mae = mean_absolute_error(真实值,预测值)
print("平均绝对误差MAE=",mae)

2、均方误差 Mean Square Error(MSE)

结果越小越好

from sklearn.metrics import mean_squared_error
mse = mean_squared_error(真实值,预测值)
print("平均绝对误差MSE=",mse)

3、R平方值 R-Squared

R^2 值越接近1，代表模型预测效果越好

from sklearn.metrics import r2_score
r2 = r2_score(真实值,预测值)
print("R平方值R^2=",r2)

二、分类模型主要有以下评估方法

1、准确率

结果越小越好

from sklearn.metrics import accuracy_score
score = accuracy_score(真实值,预测值)
print("准确率=",score*100%)

2、混淆矩阵

对角线值越大，代表模型预测效果越好

from sklearn.metrics import confusion_matrix as CM
cm = CM(真实值,预测值)
print("混淆矩阵\n",cm)

3、AUC 值     注意：只能用于2分类 

AUC越接近1.0 代表模型越好

from sklearn.metrics import roc_auc_score
AUC = roc_auc_score(y真实值,y预测值)
AUC

补充：另外一个计算准确率的方法

准确率 = 模型名.score(真实值,预测值)

如果对你有帮助，麻烦点个赞鼓励一下！