sklearn的模型评估指标

1、分类模型评估指标

一、sklearn.metrics提供分类算法模型的评估指标

"""精确率：precision_score()(重)"""
# 待补充代码
"""召回率recall_score()"""
# 待补充代码
"""F1值f1_score()(重)"""
# 待补充代码
"""Cohen's Kappa系数：cohen_kappa_score()"""
# 待补充代码
"""除了以上4中单一的评估方法，还提供输出评估指标报告的函数classification_report，可以输出上方4种评估指标"""
# 待补充代码
"""ROC曲线：roc_curve()，本质上是把用图形画出结果，图形与x轴组合的面积越大，模型越好"""
# 待补充代码

2、回归模型评估指标

一、sklearn.metrics模块提供回归算法模型的评估指标

"""平方绝对误差：mean_absolute_error()(重)"""
# 待补充代码
"""均方误差：mean_squared_error()(重)"""
# 待补充代码
"""中值绝对误差(median_absolute_error())"""
# 待补充代码
"""可解释方差值(explained_variance_score())"""
# 待补充代码
"""R2值(r2_score())"""
# 待补充代码

3、聚类模型评估指标

一、sklearn.metrics模块提供聚类模型评估指标

"""ARI评价方法(兰德系数)：adjusted_rangd_score()"""
# 待补充代码
"""AMI评价方法(互信息)：adjusted_mutual_info_score()"""
# 待补充代码
"""V-measure评分：completeness_score()"""
# 待补充代码
"""FMI评价法：owlkes_mallows_score()，传入真实值和预测值，模型越坏越靠近-1，越好越靠近1"""
# 待补充代码
"""轮廓系数评价法：silhouette_score()，传入特征值和预测值的标签，分值越高模型越好型"""
# 待补充代码
"""Calinski-Harabasz指数评价方法：calinski_harabasz_score()(常用)"""
# 待补充代码