目录
- 目录
- 1、概念
- 1.1、前提
- 2、评价指标（性能度量）
- 2.1、分类评价指标
- 2.1.1 值指标-Accuracy、Precision、Recall、F值
- 2.1.2 相关曲线-P-R曲线、ROC曲线及AUC值
- 2.2、回归评价指标
1、概念
性能度量（评价）指标，主分为两大类：
1）分类评价指标（classification），主要分析，离散的，整数的。其具体指标包括accuracy(准确率)，precision(精确率)，recall(召回率)，F值，P-R曲线，ROC曲线和AUC。
2）回归评价指标（regression），主要分析整数和实数之间的关系。其具体指标包括可释方差得分(explianed_variance_score)，平均绝对误差MAE(mean_absolute_error)，均方误差MSE(mean-squared_error)，均方根差RMSE，交叉熵lloss(Log loss，cross-entropy loss)，R方值(确定系数，r2_score)。
1.1、前提
假设只有两类-正类（positive）和负类（negative），通常以关注的类为正类，其他类为负类（故多类问题亦可归纳为两类）
混淆矩阵（Confusion matrix）如下
实际类别 | 预测类别 | |||
正 | 负 | 总结 | ||
正 | TP | FN | P(实际为正) | |
负 | FP | TN | N(实际为负) | |
表中AB模式：第一个表示预测结果的对错，第二个表示预测的类别。如TP表示，True Positive，即正确的预测为正类；FN表示，False Negative，即错误的预测为了负类。
2、评价指标（性能度量）
2.1、分类评价指标
2.1.1 值指标-Accuracy、Precision、Recall、F值
度量 | Accuracy(准确率) | Precision(精确率) | Recall(召回率) | F值 |
定义 | 正确分类的样本数与总样本数之比（预测为垃圾短信中真正的垃圾短信的比例） | 判定为正例中真正正例数与判定为正例数之比（所有真的垃圾短信被分类求正确找出来的比例） | 被正确判定为正例数与总正例数之比 | 准确率与召回率的调和平均Fβ β -score |
表示 | accuracy= TP+TNP+N T P + T N P + N | precision= TPTP+FP T P T P + F P | recall= TPP T P P | Fβ β - score = (1+β2)∗precision∗recallβ2∗precision+recall ( 1 + β 2 ) ∗ p r e c i s i o n ∗ r e c a l l β 2 ∗ p r e c i s i o n + r e c a l l |
1.precision也常称为查准率，recall称为查全率
2.比较常用的是F1，
1F1=12∗(1P+1R) 1 F 1 = 1 2 ∗ ( 1 P + 1 R )
python3.6代码实现：
#调用sklearn库中的指标求解
from sklearn import metrics
from sklearn.metrics import precision_recall_curve
from sklearn.metrics import average_precision_score
from sklearn.metrics import accuracy_score
#给出分类结果
y_pred = [0, 1, 0, 0]
y_true = [0, 1, 1, 1]
print("accuracy_score:", accuracy_score(y_true, y_pred))
print("precision_score:", metrics.precision_score(y_true, y_pred))
print("recall_score:", metrics.recall_score(y_true, y_pred))
print("f1_score:", metrics.f1_score(y_true, y_pred))
print("f0.5_score:", metrics.fbeta_score(y_true, y_pred, beta=0.5))
print("f2_score:", metrics.fbeta_score(y_true, y_pred, beta=2.0))2.1.2 相关曲线-P-R曲线、ROC曲线及AUC值
1）P-R曲线
步骤：
1、从高到低将”score”值排序并依次作为阈值threshold；
2、对于每个阈值，”score”值大于或等于这个threshold的测试样本被认为正例，其他为负例。从而形成一组预测数。
eg.
将0.9作为阈值，则第1个测试样本为正例，2、3、4、5为负例
得到
预测为正例 | 预测为负例 | 总计 | |
正例(score大于阈值) | 0.9 | 0.1 | 1 |
负例(score小于阈值) | 0.2+0.3+0.3+0.35 = 1.15 | 0.8+0.7+0.7+0.65 = 2.85 | 4 |
precision= 0.90.9+1.15 0.9 0.9 + 1.15 recall= 0.91 0.9 1 | |||
在阈值以下的部分，当作负例，则预测为负例的取值情况是正确预测值，即如果本身是正例，则取TP；如果本身是负例，则取TN，其都为预测分值。
python实现伪代码
#precision和recall的求法如上
#主要介绍一下python画图的库
import matplotlib.pyplot ad plt
#主要用于矩阵运算的库
import numpy as np
#导入iris数据及训练见前一博文
...
#加入800个噪声特征，增加图像的复杂度
#将150*800的噪声特征矩阵与150*4的鸢尾花数据集列合并
X = np.c_[X, np.random.RandomState(0).randn(n_samples, 200*n_features)]
#计算precision，recall得到数组
for i in range(n_classes):
#计算三类鸢尾花的评价指标， _作为临时的名称使用
precision[i], recall[i], _ = precision_recall_curve(y_test[:, i], y_score[:,i])
#plot作图
plt.clf()
for i in range(n_classes):
plt.plot(recall[i], precision[i])
plt.xlim([0.0, 1.0])
plt.ylim([0.0, 1.05])
plt.xlabel("Recall")
plt.ylabel("Precision")
plt.show()将上述代码补充完整后得到鸢尾花数据集的P-R曲线
2）ROC曲线
横轴：假正例率 fp rate = FP / N
纵轴：真正例率 tp rate = TP / N
步骤：
1、从高到低将”score”值排序并依次作为阈值threshold；
2、对于每个阈值，”score”值大于或等于这个threshold的测试样本被认为正例，其他为负例。从而形成一组预测数。
同P-R曲线计算类似，不再赘述
鸢尾花数据集的ROC图像为
AUC（Area Under Curve）定义为ROC曲线下的面积
AUC值提供了分类器的一个整体数值。通常AUC越大，分类器更好，取值为[0, 1]
2.2、回归评价指标
1）可释方差得分
2）平均绝对误差 MAE （Mean absolute error）
3）均方差 MSE （Mean squared error）
4）logistics回归损失
5）一致性评价 - pearson相关系数法
python代码实现
from sklearn.metrics import log_loss
log_loss(y_true, y_pred)
from scipy.stats import pearsonr
pearsonr(rater1, rater2)
from sklearn.metrics import cohen_kappa_score
cohen_kappa_score(rater1, rater2)
