评估方法
准确率
estimator.score() 一般最常见使用的是准确率,即预测结果正确的百分比
混淆矩阵
在分类任务下,预测结果(Predicted Condition)与正确标记(True Condition)之间存在四种不同的组合,构成混淆矩阵(适用于多分类)
精确率 (Precision)
召回率 (Recall)
真实为正例的样本中预测结果为正例的比例(查的全,对正样本的区分能力)
**
F1
其他分类标准,F1-score,反映了模型的稳健型
API
sklearn.metrics.classification_report(y_true, y_pred, target_names=None)
y_true:真实目标值
y_pred:估计器预测目标值
target_names:目标类别名称
return:每个类别精确率与召回率