机器学习 - 精度评价
机器学习 - 精度评价
Python sklearn.metrics 提供了很多任务的评价指标，如分类任务的混淆矩阵、平均分类精度、每类分类精度、总体分类精度、F1-score 等；以及回归任务、聚类任务等多种内置函数.
1. 分类 - 混淆矩阵 Confusion Matrix
sklearn.metrics.confusion_matrix
from sklearn.metrics import confusion_matrix
C = confusion_matrix(gt_labels, pred_labels, labels=None, sample_weight=None)[source]
# C 为 n_classes x n_classes 的混淆矩阵- gt_labels - Groundtruth label 值
- pred_labels - 分类器预测的 label 值
- labels - labels 列表，用于索引混淆矩阵
示例1：
from sklearn.metrics import confusion_matrix
gt_labels = [2, 0, 2, 2, 0, 1]
pred_labels = [0, 0, 2, 2, 0, 2]
confusion_matrix(gt_labels, pred_labels)
# array([[2, 0, 0],
# [0, 0, 1],
# [1, 0, 2]])示例2：
from sklearn.metrics import confusion_matrix
gt_labels = ["cat", "ant", "cat", "cat", "ant", "bird"]
pred_labels = ["ant", "ant", "cat", "cat", "ant", "cat"]
confusion_matrix(y_true, y_pred, labels=["ant", "bird", "cat"])
# array([[2, 0, 0],
# [0, 0, 1],
# [1, 0, 2]])示例3：
二值分类情况，
from sklearn.metrics import confusion_matrix
tn, fp, fn, tp = confusion_matrix([0, 1, 0, 1], [1, 1, 1, 0]).ravel()
#(tn, fp, fn, tp)
#(0, 2, 1, 1)本文参与 腾讯云自媒体分享计划，分享自作者个人站点/博客。
原始发表：2018年01月16日，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录