机器学习实战---详解模型评价指标

作者：王千发

编辑：王抒伟

零

全篇概述：

对于分类算法，我们熟知的评价指标是准确率(accuracy)，但是在实际问题中，我们想要得到一个优秀的模型，仅仅使用准确率是不够的。

比如在，乳腺癌数据集中：

其中201名没有复发（标记为0），85名复发（标记为1）。

显然这是一个不平衡数据集，假如我们的分类模型将所有的患者都预测为未复发，那么这个模型的准确率是（201／286）*100%也就是70.28%，这是一个比较高的准确率了。

但是这样的模型实际上是很差的，将所有的复发的人都预测为不会复发，那么患者得到这个信息之后如果不去检查和治疗，会导致疾病恶化甚至是出现生命危险。

因此，对于这类不平衡数据集，我们需要引入其他评价指标，分类模型的评价指标主要有准确率（accuracy），召回率（recall），精确率（precision），F1-Measure，ROC曲线和AUC等

一

说明一：

分析：

我们只讨论二值分类器。对于上面乳腺癌数据集来说，假如分类器的预测结 果是将201个未复发患者中190个预测为未复发，21个预测为复发；85个复发患 者中，80个预测为复发，5个预测为未复发，可以得到如下一张表

：

这就是所谓的混淆矩阵（Confusion Matrix），通过混淆矩阵，我们很容易能够得到这几个值，TP=80，FN=5，FP=21，TN=190。

那么准确率的公式就是A=(TP+TN)/(TP+FN+FP+TN)*100%，召回率的公式是R=TP/(TP+FN)*100%，精确率的公式为P=TP/(TP+FP)*100%。

其中，准确率描述的是所有被预测的结果中预测正确的比例，召回率描述的是所有实际为正类的被预测为正类的比例（有一部分会被预测为负类），而精确率描述的是在预测为正类的结果中（有一部分实际上为负类）。

实际上是确实是正类的比例。而F1值是召回率和精确率的调和均值，也就是F=2*P*R/(P+R)，是综合了二者之后的评价模型的指标。

二

说明二：ROC曲线和AUC值

接下来介绍ROC曲线和AUC值，下面是ROC曲线的示例：

正如我们从示例图中看到的，ROC

曲线的横坐标为false positive rate(FPR)，纵坐标为true positive rate(TPR)。其中，FPR=FP/(FP+TN)负样本的判错率，TPR=TP/(TP+FN)正样本的判对率，接下来我们考虑ROC曲线图中的四个点和一条线。

第一个点，(0,1)，即FPR=0, TPR=1，这意味着FN（false negative）=0，并且FP（false positive）=0。Wow，这是一个完美的分类器，它将所有的样本都正确分类。

第二个点，(1,0)，即FPR=1，TPR=0，类似地分析可以发现这是一个最糟糕的分类器，因为它成功避开了所有的正确答案。第三个点，(0,0)，即FPR=TPR=0，即FP（false positive）=TP（truepositive）=0，可以发现该分类器预测所有的样本都为负样本（negative）。

类似的，第四个点（1,1），分类器实际上预测所有的样本都为正样本。经过以上的分析，我们可以断言，ROC曲线越接近左上角，该分类器的性能越好，也就是说，ROC曲线所包围的面积越大，分类器的性能越好。

三

说明三：如何画ROC曲线

对于分类器而言，都有概率输出的功能，拿逻辑回归来举例，我们得到的是该样本属于正样本的概率和属于负样本的概率，属于正样本的概率大，那么就判为正类，否则判为负类，那么实质上这里的阈值是0.5。

假如我们有20个样本，“Class”一栏表示每个测试样本真正的标签（p表示正样本，n表示负样本），“Score”表示每个测试样本属于正样本的概率

分析：

第一行就是说样本1，实际是正样本，分类器认为它属于正样本的概率为0.9。接下来将score按照从大到小排列，依次作为阈值，那么我们能够得到20组(FPR,TPR)的坐标，绘制出来的图像就是ROC曲线。

比如，首先是将1作为阈值，属于正类的概率大于1才会被判为正类，那么FPR=TPR=0，以此类推。

AUC（AreaUnder Curve）被定义为ROC曲线下的面积，显然这个面积的数值不会大于1。又由于ROC曲线一般都处于y=x这条直线的上方，所以AUC的取值范围在0.5和1之间。

使用AUC值作为评价标准是因为很多时候ROC曲线并不能清晰的说明哪个分类器的效果更好，而作为一个数值，对应AUC更大的分类器效果更好。以上这些指标和ROC曲线绘制，通过sklearn包中metrics模块都可以比较容易实现。

四

说明四：总结

回到乳腺癌复发预测问题中，我们知道了仅仅使用准确率来评价模型是不够的，我们要计算出模型的召回率和精确率，在这个问题中，我们可以容忍FP，也就是将不会复发预测为会复发，大不了进行医学检查后发现不会复发。

但是不能容忍FN，也就是将会复发的患者预测为不会复发，这会带来很严重的后果。

也就是说我们希望召回率越大越好，尽量所有的正类都被预测为正类，精确率要求不那么高，即使负类被预测为正类也是可以的，那么我们就可以牺牲精确率来提升召回率。

首先可以画出分类器的ROC曲线来判断分类器本身的性能，ROC曲线越靠左上角，AUC值越接近1，分类器效果越好。

改变分类器的阈值，来提升模型的召回率，一般来说会牺牲精确率，不过是可以接受的，这样就可以将一个比较差的模型改造为一个可以使用的模型。

但是在实际中需要根据实际情况分析，比如我们要做的是垃圾邮件判断，那么此时召回率就不如精确率重要了，万一把重要邮件判断为垃圾邮件，还是比较棘手的。

五

说明五：参考资料

1. https://machinelearningmastery.com/classification-accuracy-is-not-enough-more-performance-measures-you-can-use/
2. http://alexkong.net/2013/06/introduction-to-auc-and-roc/
3. https://blog.argcv.com/articles/1036.c

本文函数都是深度学习常用的激活函数当然还有其它的，大家可以维基百科！