sklearn中的metrics模块与模型评价

2023-03-05 06:38| 来源: 网络整理| 查看: 265

无论是回归模型还是分类模型，均需要对模型进行评价。除模型本身自带一些API可以返回评价指标外，sklearn中的metrics模块提供了更丰富的接口。

回归指标均方误差：mean_squared_error(y_true, y_pred,)R方：r2_score(y_true, y_pred)分类指标准确率：accuracy_score(y_true,y_pre)混淆矩阵：confusion_matrix(y_true, y_pred, labels=None, sample_weight=None)F1得分：f1_score(y_true, y_pred, labels=None, pos_label=1, average=‘binary’) 对数损耗：log_loss(y_true, y_pred, eps=1e-15, normalize=True, sample_weight=None, labels=None)精确率：precision_score(y_true, y_pred, labels=None, pos_label=1, average=‘binary’,) 召回率：recall_score(y_true, y_pred, labels=None, pos_label=1, average='binary')ROC曲线下的面积：roc_auc_score(y_true, y_score, average=‘macro’, sample_weight=None)

另参考：分类模型评价指标

【本文地址】

公司简介

联系我们