《機器學習(周志華)》筆記--模型的評估與選擇（7）--sklearn中的分類性能指標

六、sklearn中的分類性能指標

　　機器學習中常使用 sklearn 完成對模型分類性能的評估，我們需要掌握使用 sklearn 提供的以下接口：

• accuracy_score   准確度
• precision_score   精准率
• recall_score　　召回率
• f1_score　　  F1 Score
• roc_auc_score　　AUC 
• confusion_matrix　　混淆矩陣

　　（1）accu\fracy_score

　　sklearn 提供了計算准確度的接口 accuracy_score。其中參數如下：

• y_true：為樣本真實標簽，類型為一維的 ndarray 或者 list；
• y_predict：為模型預測標簽，類型為一維的 ndarray 或者 list。

示例代碼如下：

import numpy as np from sklearn.metrics import accuracy_score #y_true為真實標簽，y_predict為預測標簽
y_true = [1, 0, 0, 1] y_predict = [1, 0, 1, 0] print(accuracy_score(y_true, y_predict))

　　（2）precision_score

　　sklearn 提供了計算精准率的接口 precision_score 。其中參數如下：

• y_true：為樣本真實標簽，類型為一維的 ndarray 或者 list；
• y_predict：為模型預測標簽，類型為一維的 ndarray 或者 list；
• pos_label：用什么值表示 Positive，默認為 1。

示例代碼如下：

import numpy as np from sklearn.metrics import precision_score #y_true為真實標簽，y_predict為預測標簽
y_true = [1, 0, 0, 1] y_predict = [1, 0, 1, 0] print(precision_score(y_true, y_predict))

　　（3）recall_score

　　sklearn 提供了計算召回率的接口 recall_score 。其中參數如下：

• y_true：為樣本真實標簽，類型為一維的 ndarray 或者 list；
• y_predict：為模型預測標簽，類型為一維的 ndarray 或者 list；
• pos_label：用什么值表示 Positive ，默認為 1。

示例代碼如下：

import numpy as np
from sklearn.metrics import recall_score #y_true為真實標簽，y_predict為預測標簽
y_true = [1, 0, 0, 1] y_predict = [1, 0, 1, 0] print(recall_score(y_true, y_predict))

　　（4）f1_score

　　sklearn 提供了計算 F1 Score 的接口 f1_score 。其中參數如下：

• y_true：為樣本真實標簽，類型為一維的 ndarray 或者 list；
• y_predict：為模型預測標簽，類型為一維的 ndarray 或者 list；
• pos_label：用什么值表示 Positive ，默認為 1。

示例代碼如下：

import numpy as np from sklearn.metrics import f1_score #y_true為真實標簽，y_predict為預測標簽
y_true = [1, 0, 0, 1] y_predict = [1, 0, 1, 0] print(f1_score(y_true, y_predict))

　　（5）roc_auc_score

　　sklearn 提供了計算 AUC 的接口 roc_auc_score 。其中參數如下：

• y_true：為樣本真實標簽，類型為一維的 ndarray 或者 list；
• y_score：為模型預測樣本為 Positive 的概率，類型為一維的 ndarray 或者 list。

 示例代碼如下：

import numpy as np from sklearn.metrics import roc_auc_score #y_true為真實標簽，y_score為預測為Positive的概率
y_true = np.array([0, 0, 1, 1]) y_score = np.array([0.1, 0.4, 0.35, 0.8]) print(roc_auc_score(y_true, y_score))

　　(6)confusion_matrix

　　sklearn 提供了計算混淆矩陣的接口 confusion_matrix 。其中參數如下：

• y_true：為樣本真實標簽，類型為一維的 ndarray 或者 list；
• y_predict：為模型預測標簽，類型為一維的 ndarray 或者 list。

示例代碼如下：

import numpy as np from sklearn.metrics import confusion_matrix #y_true為真實標簽，y_predict為預測標簽
y_true = [1, 0, 0, 1] y_predict = [1, 0, 1, 0] print(confusion_matrix(y_true, y_predict))