模型评估指标

1.回归模型

        回归模型常常使用MSE均方误差，预测值与真实值之间的平均差距

2.分类模型

2.1 Accuracy正确率

        分类正确的数目的占比    

        

        但在类别不平衡的情况下，模型可能倾向于预测占多数的类别，导致Acc高但对少数类别的预测效果其实比较差的。

2.2 类别不平衡的指标

1.先验知识

        假设+1为positive正向类，-1为negative负向类。对于一个分类模型会有如下情况

​

True positive（TP）：预测为positive，实际上确实为positive。正确的预测了正向类

False negative（FN）：预测为negative，实际上却为positive。错误的预测成负向类
False positive（FP）：预测为positive，实际上却为negative。错误的预测成正向类

True negative（TN）：预测为negative，实际上确实为negative。正确的预测了负向类

样本总数量Total=TP+FN+TN

正向类样本数量P=TP+FN

负向类样本数量N=TN+FP

于是我们可以得到一些指标

​
 

2.Receiver Operating Characteristics Curve,ROC——接受者操作特征曲线

2.1 如何得到ROC曲线

        假设我们有一个二分类模型，也就是逻辑回归模型​

                        ​        

        注意现在这个式子和以前有些不同，现在多了一个阈值（threshold）b，当​时经过sigmoid函数输出会大于0.5，最终会输出1（有些地方的描述是修改输出1的阈值，两者想要说明的效果是一样的）

        当b趋向于-∞时，恒>0，即恒>0.5,最终对于任意x输入都预测为1。此时FN=0,TN=0，,

         当b趋向于+∞时，恒<0，即恒<0.5,最终对于任意x输入都预测为0。此时FP=0,TP=0，,

        当b由小变大时，FRP和TPR的值都会增加

        最终对于每一个b，我们都可以得到一对TRP和FPR的值，以FPR为x轴，TPR为y轴绘制的图就是ROC图，如下图示例

        在二元分类任务中，ROC曲线用于描述接受真正样本并同时拒绝负样本的学习模型的性能。

2.2 如何通过ROC曲线判断比较模型性能

        通常我们希望模型的TPR更高而FPR更低

        第一种方法：更靠近左上角的曲线性能是更好的，因为TPR更高而FPR更低

        如蓝色的曲线的模型就好于红色曲线的模型

        第二种方法：通过ROC曲线下方与坐标轴围成的面积大小AUC（Area under the curve）,AUC越大，对应的模型性能越好。故又叫AUC-ROC曲线

2.3 对角线的意义

        AUC-ROC 曲线的对角线代表随机猜测模型的性能。这条对角线是指当模型对样本进行随机分类时得到的 ROC 曲线。在这条对角线上，TPR=FPR，因为随机猜测的模型的正确率为0.5，对正负样本的分类没有区分度，所以这种情况下 ROC 曲线表现为一条直线，斜率为 1。

        对于 AUC-ROC 曲线，如果一个模型的 ROC 曲线在对角线上方（AUC 值大于 0.5），表示模型的性能优于随机猜测；而如果 ROC 曲线在对角线以下（AUC 值小于 0.5），则说明模型性能不如随机猜测。

        因此，AUC-ROC 曲线下的面积（AUC 值）越接近于 1，代表模型的性能越好；而越接近 0.5，则说明模型的性能越接近于随机猜测。

3.Precision and Recall

3.1 定义

        1.召回率/查全率Recall（TPR），召回率是指在所有实际属于正类别的样本中，被分类器正确预测为正类别的样本所占的比例。例：在所有实际上有恶性肿瘤的病人中，成功预测有恶性肿瘤的百分比

        2.精确率/查准率Precision=，精确率是指在所有被分类器预测为正类别的样本中，实际上确实属于正类别的样本所占的比例。例：我所有我们预测有恶性肿瘤的病人中，实际上由恶性肿瘤的病人的百分比

3.2 性质

• 召回率和精确率适用于类别不平衡

• 提高精确率可能会导致召回率下降（常常是提高预测1的阈值），因为模型更谨慎，更倾向于只将非常确信是正例的样本预测为正例，这可能导致漏掉一些的真正例，从而降低召回率。

• 提高召回率可能会导致精确率下降（常常是降低预测1的阈值），因为模型更倾向于将更多的样本预测为正例，包括一些可能不是真正正例的样本，这可能会增加假正例的数量，从而降低精确率。

• 一个好的模型两者都应该兼并良好的精确率和召回率​​​​​

                        

3.3 PR-curve

        同样的，我们将不同的阈值情况下，得到两者的值绘制成图表，就得到了PR-curve

        

3.4 平均精度（Average Precision，AP）

        PR-curve曲线与坐标轴围成的面积。AP 考虑了不同阈值下精确率和召回率之间的平衡，一个较高的 AP 值意味着在保持高精确率的同时，也能保持较高的召回率。AP是针对单个类来说的。

3.5 Mean Average Precision (mAP)

        mAP 是衡量模型对多个类别的检测性能的常见指标。对每个类别，都会计算其对应的 AP，然后将所有类别的 AP 取平均得到 mAP。

                                        （C代表类别数目）

        当类别平衡时，我们更关注精确率而不是召回率，于是mAP可以修改为如下

                                                

        直接使用每个类精确率的均值

3.6 F-Score

        F-分数是精确率和召回率的加权调和平均值，用于评估模型在不同类别之间取得平衡的能力。

                  

        β 用于调整 F-分数中精确率和召回率的权重，产生不同的平衡效果。

• 当 β > 1 时，模型对召回率的重视程度更高，F-分数更倾向于关注召回率。
• 当 β < 1 时，模型对精确率的重视程度更高，F-分数更倾向于关注精确率。
• 当 β = 1 时，即为 F1-Score

                ​​​​​​​        ​​​​​​​        ​​​​​​​        

2.3 混淆矩阵（Confusion Matrix）

        混淆矩阵是一个分类情况的可视化工具

• 混淆矩阵的每一列代表了模型预测类别，每一列方格总数目代表模型预测该列类别的数目/占比
• 每一行代表了数据的真实类别，每一行方格总数目代表真实该行类别的数目/占比（行列反过来也可以）
• 方格中以数目或者比例的形式显示
• 常常还会有热力图提高可视化效果

        ​​​​​​​

        解读一下这个混淆矩阵：

• 类别共有三类：setosa，versicolor，virginica
• 13代表模型预测为setosa同时真实标签也为setosa为13个；10代表模型预测为versicolor同时真实标签为versicolor为10个，依次类推

        ​​​​​​​        

•  左上角1代表，所有的setosa都被正确预测；0.62代表模型预测versicolor正确的占versicolor总数目比例62%，另外有38%被预测成了virginica