sklearn 分類器評估指標，損失函式

分類器評估指標

1.精確率

accuracy_score函式計算分類準確率：返回被正確分類的樣本比例或者數量

當多標籤分類任務中，該函式返回子集的準確率，對於給定的樣本，如果**得到的標籤集合與該樣本真正的標籤集合吻合，那麼subset accuracy=1否則為零

import numpy as np

from sklearn.metrics import accuracy_score

from sklearn.metrics import confusion_matrix

roc空間（又叫sensitivityvs1-sensitivity plot）以tpr（又叫sensitivity）作為t軸，

fpr(1-sensitivity)作為x軸，構成的乙個二維座標空間，roc空間描述了了tp和fp之間做折中權衡的原理。點集在左上方說明情況較好，右下方表示更差

在二元分類問題中，每個樣本例項的類別**通常是基於乙個連續的隨機變數x做出的，這個從樣本例項中計算出的隨機變數x被稱為score，給定乙個閾值引數t,x>t則為positive類服從f1(x)，x損失函式

對於給定的輸入x，學習器模型**得到對應的結果，這個**響應與真實響應之間的差距，通過損失函式來描述

zero_one loss

from sklearn.metrics import zero_one_loss

hing loss（常用於svm）

log loss or cross-entropy loss

對數損失函式判斷的是**輸出的概率分布是否與真實分布相符，而不是判斷標籤類是否相等。

from sklearn.metrics import log_loss

多分類評估指標

多分類指標的情況 二分類和多分類其實沒有多少區別。用的公式仍然是y wx b。但有乙個非常大的區別是他們用的啟用函式是不同的。邏輯回歸用的是sigmoid，這個啟用函式的除了給函式增加非線性之外還會把最後的 值轉換成在 0,1 中的資料值。也就是 值是0 我們最後的一層中使用的啟用函式就是softm...

分類演算法評估指標

2 準確率 accuracy 準確率是常用的乙個評價指標，但是不適合樣本不均衡的情況。ac cura cy t p tn tp t n fp fn accuracy tp tn tp tn fp fnac cura cy t p tn tp t n fp fn 3 精確率 precision 又稱查...

分類問題的評估指標

分類的評估指標有很多，這裡考慮如下幾個 precision，recall，f1，macro f1，micro f1 真實10 1tp fp0fntn positive negative 表示 的正負 true false 表示 是否正確 而macro f1和micro f1，巨集觀f1值和微觀f1值...