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)
image.png

精确率 (Precision)

预测结果为正例样本中真实为正例的比例(查得准)
image.png
**

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)
image.png
**

F1

其他分类标准,F1-score,反映了模型的稳健型
image.png

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