模型评估（度量）

标签：can   matrix   pre   red   rac   plain   learn   调整   explain   

包sklearn.metrics

sklearn.metrics包含评分方法、性能度量、成对度量和距离计算

分类结果度量

参数大多是y_true和y_pred

• accuracy_score:分类准确度
• condusion_matrix:分类混淆矩阵
• classification_report:分类报告
• precision_recall_fscore_wupport:计算精确度、召回率、f、支持率
• jaccard_similarity_score:计算jcarrd相似度
• hamming_loss:计算汉明损失
• zero_one_loss:0-1损失
• hinge_loss:计算hinge损失
• log_loss:计算log损失

回归结果度量

• explained_varicance_score:可解释方差的回归评分函数
• mean_absolute_error:平均绝对误差
• mean_squared_error:平均平方误差

多标签的度量

• coverage_error:涵盖误差
• label_ranking_average_precision_score:计算基于排名的平均误差label ranking average precision （LRAP）

聚类的度量

• adjusted_mutual_info_score:调整的互信息评分
• silhouette_score:所有样本的轮廓系数的平均值
• silhouette_sample:所有样本的轮廓系数

模型评估（度量）

标签：can   matrix   pre   red   rac   plain   learn   调整   explain   

原文地址：https://www.cnblogs.com/cola-1998/p/10237966.html