机器学习的三种评价函数

Posted treedream

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了机器学习的三种评价函数相关的知识,希望对你有一定的参考价值。

from sklearn.metrics import confusion_matrix
from sklearn.metrics import accuracy_score
from sklearn.metrics import classification_report

# accuracy_score()
y_true = [0,1,2,3]
y_pred = [0,2,1,3]
print(accuracy_score(y_true=y_true,y_pred=y_pred))


# confusion_matrix()
y_true = [2,0,2,2,0,1]
y_pred = [0,0,2,2,0,2]
print(confusion_matrix(y_true,y_pred))

# classification_report()
y_true = [0,1,2,2,2]
y_pred = [0,0,2,2,1]
print(classification_report(y_true,y_pred))

 技术分享图片

precision = 5 / 8  (预测中/视野)

recall = 5 / 12 (预测中/个数总和)

F1 - score = 2 * precision * recall / (precion + recall)

以上是关于机器学习的三种评价函数的主要内容,如果未能解决你的问题,请参考以下文章

机器学习中的三种误差

一文介绍机器学习中的三种特征选择方法

数学建模暑期集训2:模糊综合评价

时序预测的三种方式:统计学模型机器学习循环神经网络

数据分析的三种方法(统计分析机器学习分析图表分析)的区别与联系

机器学习分类算法之支持向量机