机器学习（四） -- 模型评估（2）

系列文章目录及链接

目录

机器学习（四） -- 模型评估（1）

---

前言

三、分类模型评估指标

1、错误率与精度（准确率）

2、查准率（精确率）、查全率（召回率）与F1值（F1_score）

2.1、混淆矩阵（confusion matrix）

2.2、查准率（precision，精确率）

2.3、查全率（recall，召回率）

2.4、P-R图

2.5、F1值（F1_score）

2.6、其他

3、ROC与AUC

4、分类报告

--- 

机器学习（四） -- 模型评估（3）

机器学习（四） -- 模型评估（4）

---

前言

tips：标题前有“***”的内容为补充内容，是给好奇心重的宝宝看的，可自行跳过。文章内容被“文章内容”删除线标记的，也可以自行跳过。“！！！”一般需要特别注意或者容易出错的地方。

本系列文章是作者边学习边总结的，内容有不对的地方还请多多指正，同时本系列文章会不断完善，每篇文章不定时会有修改。

---

衡量模型泛化能力的评价标准就是性能度量（模型评估指标、模型评价标准），而针对不同的任务有不同的评价指标。按照数据集的目标值不同，可以把模型评估分为分类模型评估、回归模型评估和聚类模型评估。

三、分类模型评估指标

错误率与精度（准确率）、混淆矩阵、查准率（精确率）、查全率（召回率）与F1值（F1_score）、PR曲线、ROC与AUC

1、错误率与精度（准确率）

概述里面就说过了，这是分类任务中最常用的两种性能度量。

错误率（error rate）：分类错误的样本数/样本总数

​​

（公式还是要知道的，Ⅱ(*)是指示函数，在*为真（假）时取值为1（0））

精度（accuracy，准确率）：1-错误率=分类正确的样本数/样本总数

​​

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split


# 引入数据集
iris = load_iris()

# 划分数据集以及模型训练
x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.3, random_state=134)

# 模型训练
model = DecisionTreeClassifier()
model.fit(x_train, y_train)

​​

模型训练那一部分可以先不用管，我们现在主要是了解性能度量。

from sklearn.metrics import accuracy_score
# 精度
accuracy_score(y_test, model.predict(x_test))

 ​​

为了更形象一点，我们直接使用自制数据。

​​

2、查准率（精确率）、查全率（召回率）与F1值（F1_score）

2.1、混淆矩阵（confusion matrix）

混淆矩阵是衡量分类型模型准确度中最基本，最直观，计算最简单的方法。如下，是一个二分类问题结果的混淆矩阵。

真实情况	预测结果
	P（正例）	N（反例）
正例	TP（真正例）	FN（假反例）
反例	FP（假正例）	TN（真反例）

 预测结果是我们看到的，也就是经过模型计算出来的结果，TP+FP+TN+FN=样例总数。

API：

from sklearn.metrics import confusion_matrix

还是用刚才的自制数据来看哈，就很明了了。

​​

三分类问题在用混淆矩阵时，得到的是一个 3 X 3 的矩阵。此时预测结果和真实情况不再以正例、反例命名，而是数据集真实的分类结果。用鸢尾花结果来看。

​​

2.2、查准率（precision，精确率）

分类正确的正样本个数占预测结果为正的样本个数的比例。

API：

from sklearn.metrics import precision_score

​​

2.3、查全率（recall，召回率）

分类正确的正样本个数占真实值为正的样本个数的比例。

API：

from sklearn.metrics import recall_score

​​

！！！注意：precision_score 和 recall_score 方法默认用来计算二分类问题，若要计算多分类问题，则需要设置 average 参数。
average：评价值的平均值的计算方式。
        可以接收[None, 'binary' (default), 'micro', 'macro', 'weighted']
        'micro', 'macro'：微和宏，下面会说到。
        ' weighted ' : 相当于类间带权重。各类别的P × 该类别的样本数量（实际值而非预测值）/ 样本总数量

查准率和查全率是一对矛盾的度量。一般来说，查准率高时，查全率往往偏低；而查全率高时，查准率往往偏低。

2.4、P-R图

（ P-R 曲线只能用于二分类问题）以查准率为纵轴、查全率为横轴作图，就得到查准率-查全率曲线，简称“P-R 曲线”，显示该曲线的图称为“P-R”图。

​​

若一个学习器的 P-R 曲线被另一个学习器的 P-R 曲线完全“包住”，则可断言后者的性能优于前者。

若两个学习器的 P-R 曲线发生了交叉，例如学习器 A 与 B，则难以一般性地断言两者孰优孰劣，只能在具体的查准率或查全率条件下进行比较。

平衡点（Break-Even Point，简称 BEP）：查准率=查全率时的取值。综合考虑查准率、查全率的性能度量，基于该方法则可断言学习器 A 优于学习器 B。

2.5、F1值（F1_score）

F1值是基于查准率与查全率的调和平均（harmonic mean）定义的：

​​

n为样例总数。

在一些应用中，对查准率和查全率的重视程度有所不同，会相应地添加权重。

Fβ则是加权调和平均定义：

​​

其中β>0 度量了查全率对查准率的相对重要性。
        β=1时退化为标准的 F1；
        β>1 时查全率有更大影响；
        β<1 时查准率有更大影响。

API

from sklearn.metrics import f1_score
from sklearn.metrics import fbeta_score

from sklearn.metrics import f1_score

f1_score(y_true,y_predict)



from sklearn.metrics import fbeta_score

print(fbeta_score(y_test, model.predict(x_test), beta=1, average='weighted'))

# 查全率有更大影响
print(fbeta_score(y_test, model.predict(x_test), beta=2, average='weighted'))

# 查准率有更大影响
print(fbeta_score(y_test, model.predict(x_test), beta=0.5, average='weighted'))

​​

​​

2.6、其他

很多时候我们有多个二分类混淆矩阵，需要进行多次训练/测试，每次得到一个混淆矩阵；或是在多个数据集上进行训练/测试，希望估计算法的“全局”性能，甚或是执行多分类任务，每两两类别的组合都对应一个混淆矩阵。总之，希望在 n 个二分类混淆矩阵上综合考察查准率和查全率。

所以就有了

宏查准率（macro-P）、宏查全率（macro-R）和宏F1（macro-F1）

微查准率（micro-P）、微查全率（micro-R）和微F1（micro-F1）

宏：先计算再平均

​​

微：先平均再计算 

​​

print(f1_score(y_test, model.predict(x_test), average='macro'))


print(f1_score(y_test, model.predict(x_test), average='micro'))

​​

3、ROC与AUC

很多学习器为测试样本产生一个实值或概率预测，然后将这个预测值与一个“分类阈值”进行比较，大于阈值则分为正类，否则为负类。

分类阈值也就是截断点（cut point）。分类过程就相当于在排序中以某个“截断点”将样本分为两部分，前一部分判作正例，后一部分则判作反例。

在不同的应用任务中，可根据任务需求来采用不同的截断点。
        查准率：选择排序中靠前的位置进行截断。
        查全率：选择排序中靠后的位置进行截断。

ROC 全称是“受试者工作特征”（Receiver Operating Characteristic）曲线。根据学习器的预测结果对样例进行排序，按此顺序逐个把样本作为正例进行预测，以“真正例率（True Positive Rate，简称 TPR）”为纵轴，以“假正例率（False Positive Rate，简称 FPR）”为横轴作图，就得到了“ROC曲线”。

​​

API:

from sklearn.metrics import roc_curve
from sklearn.metrics import roc_auc_score
from sklearn.metrics import auc

from sklearn.metrics import roc_curve
from sklearn.metrics import roc_auc_score
from sklearn.metrics import auc
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = 'SimHei' # 设置字体为SimHei # 显示中文
plt.rcParams['axes.unicode_minus']=False # 修复负号问题


fpr,tpr,thresholds=roc_curve(y_true,y_predict)

plt.plot(fpr, tpr)
plt.axis("square")
plt.xlabel("假正例率/False positive rate")
plt.ylabel("正正例率/True positive rate")
plt.title("ROC curve")
plt.show()

​​

AUC（Area Under ROC Curve）： ROC 曲线下的面积大小。该值能够量化地反映基于 ROC 曲线衡量出的模型性能。AUC值(面积)越大的分类器，性能越好。

！！！注意：roc_curve() 同 precision_recall_curve()，都只能用于二分类问题，但 roc_auc_score() 方法支持计算多分类问题的 auc 面积。

4、分类报告

scikit-learn 中提供了一个非常方便的工具，可以给出对分类问题的评估报告，Classification_report() 方法能够给出精确率（precision）、召回率（recall）、F1 值（F1-score）和样本数目（support）。

API：

from sklearn.metrics import classification_report

from sklearn.metrics import classification_report

# 自制数据
print(classification_report(y_true,y_predict))

# 鸢尾花数据
print(classification_report(y_test, model.predict(x_test)))

欲知后事如何，且看：机器学习（四） -- 模型评估（3）​