模型的性能评估 用sklearn进行模型评估

Posted 2020-10-28 小舔哥

在sklearn当中，可以在三个地方进行模型的评估

1：各个模型的均有提供的score方法来进行评估。 这种方法对于每一种学习器来说都是根据学习器本身的特点定制的，不可改变，这种方法比较简单。这种方法受模型的影响，

2：用交叉验证cross_val_score，或者参数调试GridSearchCV，它们都依赖scoring参数传入一个性能度量函数。这种方法就是我们下面讨论的使用scoring进行模型的性能评估。

3：Metric方法，Metric有为各种问题提供的评估方法。这些问题包括分类、聚类、回归等。这是我们下面的使用metrics进行模型评估。

总之，在进行模型评估的时候，我们总是使用上面的三种方法。第一种方法由于比较固定，而且容易使用，所以这里并不介绍。下面介绍第二种方法和第三种。

使用scoring进行模型的性能评估

在进行模型选择和评估的时候我们要使用一些策略，这些策略帮助我们更好的进行模型评估，在使用这些策略的时候需要传入一个scoring参数。比如上面的cross_val_score（使用sklearn进行交叉验证中有介绍）是用交叉验证的方法来对模型评分。 还有GridSearchCV和RandomizedSearchCV是用来进行参数选择的，也需要传入一个scoring参数，这个参数决定了我们使用什么样的方法来进行评分。当需要传入scoring参数的时候，我们可以有以下几种做法：

 

直接指定评分函数的名称来进行评分

评分函数的选择是很多的，如我们熟知的f1， recall ，precision等。在用scoring进行模型性能评估的时候直接指定这些就可以完成评分任务。

输出结果如下：

from sklearn import svm, datasets
from sklearn.model_selection import cross_val_score
iris = datasets.load_iris()

X, y = iris.data, iris.target
clf = svm.SVC(probability=True, random_state=0)
#这里传入的为neg_log_loss
# 观察y值，可以发现y有三个取值的范围，也就是说这是一个多分类问题，所以当scoring选precision，f1值的时候是不#可以的。 但是可以传入它们对于多分类问题的变形 如f1_micro, precison_macro等，更多详见官网
print(cross_val_score(clf, X, y, scoring=\'neg_log_loss\'))

model = svm.SVC()
#一旦模型传入一个错误的评分函数，会报错，并且系统会提示出哪些正确的评分函数可以选择
cross_val_score(model, X, y, scoring=\'wrong_choice\')

[-0.0757138  -0.16816241 -0.07091847]、

ValueError: \'wrong_choice\' is not a valid scoring value. Valid options are [\'accuracy\', \'adjusted_mutual_info_score\', \'adjusted_rand_score\', \'average_precision\', \'completeness_score\', \'explained_variance\', \'f1\', \'f1_macro\', \'f1_micro\', \'f1_samples\', \'f1_weighted\', \'fowlkes_mallows_score\', \'homogeneity_score\', \'mutual_info_score\', \'neg_log_loss\', \'neg_mean_absolute_error\', \'neg_mean_squared_error\', \'neg_mean_squared_log_error\', \'neg_median_absolute_error\', \'normalized_mutual_info_score\', \'precision\', \'precision_macro\', \'precision_micro\', \'precision_samples\', \'precision_weighted\', \'r2\', \'recall\', \'recall_macro\', \'recall_micro\', \'recall_samples\', \'recall_weighted\', \'roc_auc\', \'v_measure_score\']

 

使用metric函数来进行评分

sklearn.metrics里面提供了一些函数来帮助我们进行评分。其中里面以_score结尾的函数的返回值越大，模型的性能越好。而以_error或_loss结尾的函数，返回值越小，表示模型性能越好。从命名上来看，这一点不难理解。

metrics里面的很多函数名不直接传入scoring后面，因为有一些函数需要传入特定的参数才能够使用。比如在使用fbeta_score的时候需要传入bata参数等。 在这个时候，我们的做法是把函数名和参数封装一下，封装成为一个新的函数，然后传入scoring后面。封装的方法是使用metrics的make_scorer方法。

下面是一个小例子：

from sklearn.metrics import make_scorer, fbeta_score
#我们用make_scorer封装了fbeta_score,它需要传入一个参数
ftwo_score = make_scorer(fbeta_score, beta=2)
from sklearn.model_selection import GridSearchCV
from sklearn.svm import LinearSVC
grid = GridSearchCV(LinearSVC(), param_grid={\'C\':[1, 10]}, scoring=ftwo_score)

使用metrics的make_score方法，我们可以制定出我们自己的方法，这个方法需要满足下面一些条件：

• 需要传入一个我们自定义的函数的名称
• 需说明greater_is_better的值是True还是False。 当值为正的时候，返回的是score的值，值越高性能越好。当为False的时候，返回的为score的负值，值越低越好。
• 是否是针对分类问题的。 传入needs_threshold=True来说明是针对分类问题的，默认情况为False。
• 其余的参数。如在f1_score中的bata，labels。

我们来看一段代码：

import numpy as np
from sklearn.metrics import make_scorer

def my_custom_loss_func(ground_truth, predictions):
    diff = np.abs(ground_truth - predictions).max()
    return np.log(1 + diff)

loss  = make_scorer(my_custom_loss_func, greater_is_better=False)
score = make_scorer(my_custom_loss_func, greater_is_better=True)
ground_truth = [[1], [1]]
predictions  = [0, 1]
from sklearn.dummy import DummyClassifier
clf = DummyClassifier(strategy=\'most_frequent\', random_state=0)
clf = clf.fit(ground_truth, predictions)
#这段代码的原理是这样的，我们的clf使用ground_truth 和predictions进行训练
#使用clf.predict(ground_truth) 进行预测以后的结果为[0,0]，
#my_custom_loss_func(np.array([0,0], np.array[0,1]) 最后得到log(2) = 0.69314
print(score(clf, ground_truth, predictions))
print(loss(clf, ground_truth, predictions))

输出结果如下：

0.6931471805599453
-0.6931471805599453

我们用make_score封装了我们自己的函数my_custom_loss_func 来进行模型的评分。 score和loss的结果输出相反。

我们还可以实现我们自己的评分对象

为了实现更高的自由度，我们可以不使用上述的make_scorer方法，完全定制出来我们自己的评分对象，这需要遵循两点

• 能够调用（estimater, X, y)参数，estimater是我们的模型，X为数据集， y为X数据集的真实结果。
• 需要返回一个分数作为评分的结果。该分数能够从某个方面反映出我们模型的好坏。

 

传入多个评分方法

在GridSearchCV, RandomizedSearchCV 和 cross_validate 的scoring参数当中还可以传入多个评分方法，来从不同的角度来进行评分。有两种方法，一种是传入一个列表，另外一个是传入一个字典。

传入列表：

scoring = [\'accuracy\', \'precision\']

传入字典：

from sklearn.metrics import accuracy_score
from sklearn.metrics import make_scorer
scoring = {\'accuracy\' : make_scorer(accuracy_score), \'prec\':\'precision\'}

传入字典中的方法既可以是一个字符串，也可以是一个封装的方法，这些方法需要返回一个值，返回多个值是是不允许的。

from sklearn.svm import LinearSVC
from sklearn import datasets
from sklearn.metrics import accuracy_score
from sklearn.metrics import make_scorer
from sklearn.metrics import confusion_matrix

X, y = datasets.make_classification(n_classes=2, random_state=0)
\'\'\'
从混淆矩阵当中定义出tn，fp，fn，tp的值，混淆矩阵的值如下，（官网当中的例子疑似错误）：
TN FP
FN TP
\'\'\'
def tp(y_true, y_pred): return confusion_matrix(y_true, y_pred)[1, 1]
def tn(y_true, y_pred): return confusion_matrix(y_true, y_pred)[0, 0]
def fp(y_true, y_pred): return confusion_matrix(y_true, y_pred)[0, 1]
def fn(y_true, y_pred): return confusion_matrix(y_true, y_pred)[1, 0]
scoring = {\'tp\' : make_scorer(tp), \'tn\' : make_scorer(tn),
                      \'fp\' : make_scorer(fp), \'fn\' : make_scorer(fn)}

svm = LinearSVC(random_state=0)
from sklearn.model_selection import cross_validate
#我们传入了一个字典来看这个模型的各种评分情况
cv_result = cross_validate(svm.fit( X,y), X, y, scoring=scoring)
print(cv_result[\'test_tp\'])  #test后面跟scoring的可以，就可以打得到测试的结果
print(cv_result[\'test_fp\'])

输出结果如下：

[16 14  9]
[5 4 1]

 

使用metrics进行模型评估

在模型的性能评估 - 理论篇这篇文章中，我们介绍了accuracy、precision、混淆矩阵、F1参数、$F_{\\beta}$参数、ROC和AUC，均方误差。下面我们用metrics中的方法来实现一些这些。

 

Accuracy score

metrics中的accuracy_score方法可以帮助我们计算accuracy（准确率），也就是$\\frac{分类正确的样本个数}{所有的样本个数}$。 这个方法对于二分类问题、多分类问题、多标签分类问题都适合。例子如下：

import numpy as np
from sklearn.metrics import accuracy_score

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

结果为： 0.75

 

Confusion matrix

confusion_matrix是计算出混淆矩阵，矩阵中的第i行，第j列的值为：实际上是第i类，但是却预测为第j类的样本的个数。

from sklearn.metrics import 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))

结果如下：

[[2 0 0]
 [0 0 1]
 [1 0 2]]

对于二分类问题，混淆矩阵变为了

tn，fp

fn, tp

from sklearn.metrics import confusion_matrix
y_true = [0, 0, 0, 1, 1, 1, 1, 1]
y_pred = [0, 1, 0, 1, 0, 1, 0, 1]
tn, fp, fn, tp = confusion_matrix(y_true, y_pred).ravel()
print(tn, fp, fn, tp)

输出结果为 ： 2 1 2 3

 

Precision，Recall 和F-matures

对于二分类问题，我们直接使用metrics里面的方法进行计算

from sklearn import metrics
y_pred = [0, 1, 0, 0]
y_true = [0, 1, 0, 1]

print( metrics.precision_score(y_true, y_pred) )
print( metrics.recall_score(y_true, y_pred) )
print( metrics.f1_score(y_true, y_pred) )
print( metrics.fbeta_score(y_true, y_pred, beta=0.5) )
print( metrics.fbeta_score(y_true, y_pred, beta=1) )
print( metrics.fbeta_score(y_true, y_pred, beta=2) )

输出的结果如下：

1.0
0.5
0.6666666666666666
0.8333333333333334
0.6666666666666666

0.5555555555555556

这些函数用起来很简单，名称后面加上_score就可以了。

还有一个方法，precision_recall_fscore_support 直接把precision、recall、fscore和support的值都显示出来，其中support是每个标签在y_true中出现的次数。 这里的标签是y的取值情况，在二分类问题中，标签为0和1两种情况。

print( metrics.precision_recall_fscore_support(y_true, y_pred, beta=0.5)  )

输出如下：第一列是0作为标签时候的四个值，第二列是1作为标签时候的四个值。

(array([0.66666667, 1.        ]), array([1. , 0.5]), array([0.71428571, 0.83333333]), array([2, 2], dtype=int64))

 

另外 classification_report 可以打印出来precision、recall、f1-score、support的值

from sklearn.metrics import classification_report
y_true = [0, 1, 2, 2, 0]
y_pred = [0, 0, 2, 1, 0]
target_names = [\'class 0\', \'class 1\', \' class_2\']
print(classification_report(y_true, y_pred, target_names=target_names))

结果如下：

             precision    recall  f1-score   support

    class 0       0.67      1.00      0.80         2
    class 1       0.00      0.00      0.00         1
    class_2       1.00      0.50      0.67         2

avg / total       0.67      0.60      0.59         5

 

P-R曲线

可以使用precision_recall_curve来计算出来在不同的阈值下P和R的值，

import numpy as np
from sklearn.metrics import precision_recall_curve
from sklearn.metrics import average_precision_score

y_true = np.array([0, 0, 1, 1])
y_scores = np.array([0.1, 0.4, 0.34, 0.8])
precision, recall , threshold = precision_recall_curve(y_true, y_scores)
print(precision)
print(recall)
print(threshold)

print(average_precision_score(y_true, y_scores))

输出结果如下：

[0.66666667 0.5        1.         1.        ]
[1.  0.5 0.5 0. ]
[0.34 0.4  0.8 ]
0.8333333333333333

当然，可以根据这个结果画出图形，

import matplotlib.pyplot as plt
plt.scatter(recall, precision)
plt.ylim([0, 1.1])
plt.show()

 

                                    P-R图形

 

ROC和AUC

受试者工作特征曲线，可以使用roc_curve来实现

import numpy as np
from sklearn.metrics import roc_curve
y = np.array([1, 1, 2, 2])
scores = np.array([0.1, 0.4, 0.35, 0.8])
fpr, tpr, thresholds = roc_curve(y, scores, pos_label=2)

print(fpr)
print(tpr)
print(thresholds)

输入结果如下：

[0.  0.5 0.5 1. ]
[0.5 0.5 1.  1. ]
[0.8  0.4  0.35 0.1 ]

同样，也可以画一张图

import matplotlib.pyplot as plt
plt.scatter(fpr, tpr)
plt.ylim([0,1.1])
plt.show()

 

                                        ROC图形

使用roc_auc_score可以计算AUC的值

import numpy as np
from sklearn.metrics import roc_auc_score
y_true = np.array([0, 0, 1, 1])
y_scores = np.array([0.1, 0.4, 0.35, 0.8])
print(roc_auc_score(y_true, y_scores))

计算得到的结果为： 0.75

 

mean square error

这是评估回归问题所使用的方法：

from sklearn.metrics import mean_squared_error
y_true = [3, -0.5, 2, 7]
y_pred = [2.5, 0.0, 2, 8]
print(mean_squared_error(y_true, y_pred))

结果是0.375

 

总结

sklearn有三个地方可以实现模型性能度量，我们介绍了两个。一个是交叉验证策略和参数选择策略中的scoring方法，传入我们的方法即可。另外一个是metrics里面的方法，我们需要的方法都可以在这里面找到。

 

参考：

Model evaluation: quantifying the quality of predictions