《机器学习(周志华)》笔记--模型的评估与选择（7）--sklearn中的分类性能指标

六、sklearn中的分类性能指标

　　机器学习中常使用 sklearn 完成对模型分类性能的评估，我们需要掌握使用 sklearn 提供的以下接口：

• accuracy_score   准确度
• precision_score   精准率
• recall_score　　召回率
• f1_score　　  F1 Score
• roc_auc_score　　AUC 
• confusion_matrix　　混淆矩阵

　　（1）accu\fracy_score

　　sklearn 提供了计算准确度的接口 accuracy_score。其中参数如下：

• y_true：为样本真实标签，类型为一维的 ndarray 或者 list；
• y_predict：为模型预测标签，类型为一维的 ndarray 或者 list。

示例代码如下：

import numpy as np
from sklearn.metrics import accuracy_score
#y_true为真实标签，y_predict为预测标签
y_true = [1, 0, 0, 1]
y_predict = [1, 0, 1, 0]
print(accuracy_score(y_true, y_predict))

　　（2）precision_score

　　sklearn 提供了计算精准率的接口 precision_score 。其中参数如下：

• y_true：为样本真实标签，类型为一维的 ndarray 或者 list；
• y_predict：为模型预测标签，类型为一维的 ndarray 或者 list；
• pos_label：用什么值表示 Positive，默认为 1。

示例代码如下：

import numpy as np
from sklearn.metrics import precision_score
#y_true为真实标签，y_predict为预测标签
y_true = [1, 0, 0, 1]
y_predict = [1, 0, 1, 0]
print(precision_score(y_true, y_predict))

　　（3）recall_score

　　sklearn 提供了计算召回率的接口 recall_score 。其中参数如下：

• y_true：为样本真实标签，类型为一维的 ndarray 或者 list；
• y_predict：为模型预测标签，类型为一维的 ndarray 或者 list；
• pos_label：用什么值表示 Positive ，默认为 1。

示例代码如下：

import numpy as np
from sklearn.metrics import recall_score
#y_true为真实标签，y_predict为预测标签
y_true = [1, 0, 0, 1]
y_predict = [1, 0, 1, 0]
print(recall_score(y_true, y_predict))

　　（4）f1_score

　　sklearn 提供了计算 F1 Score 的接口 f1_score 。其中参数如下：

• y_true：为样本真实标签，类型为一维的 ndarray 或者 list；
• y_predict：为模型预测标签，类型为一维的 ndarray 或者 list；
• pos_label：用什么值表示 Positive ，默认为 1。

示例代码如下：

import numpy as np
from sklearn.metrics import f1_score
#y_true为真实标签，y_predict为预测标签
y_true = [1, 0, 0, 1]
y_predict = [1, 0, 1, 0]
print(f1_score(y_true, y_predict))

　　（5）roc_auc_score

　　sklearn 提供了计算 AUC 的接口 roc_auc_score 。其中参数如下：

• y_true：为样本真实标签，类型为一维的 ndarray 或者 list；
• y_score：为模型预测样本为 Positive 的概率，类型为一维的 ndarray 或者 list。

 示例代码如下：

import numpy as np
from sklearn.metrics import roc_auc_score
#y_true为真实标签，y_score为预测为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 提供了计算混淆矩阵的接口 confusion_matrix 。其中参数如下：

• y_true：为样本真实标签，类型为一维的 ndarray 或者 list；
• y_predict：为模型预测标签，类型为一维的 ndarray 或者 list。

示例代码如下：

import numpy as np
from sklearn.metrics import confusion_matrix
#y_true为真实标签，y_predict为预测标签
y_true = [1, 0, 0, 1]
y_predict = [1, 0, 1, 0]
print(confusion_matrix(y_true, y_predict))