32、分类问题的评价指标：精准率和召回率

东方耀

32、分类问题的评价指标：精准率和召回率


回归问题的评价：MSE MAE RMSE R square


分类问题的评价要复杂一些 基于混淆矩阵
准确度是有问题的：对于极度偏斜的数据
精准率precision（在所有预测值为1的样本中到底有多少预测正确的样本占比）
召回率recall（在所有实际值为1的样本中到底有多少预测正确的样本占比）


ipynb文件在附件，可提供下载！


F1 Score：precision recall 的调和平均值
from sklearn.metrics import f1_score
优势：非常好的同时表征precision和recall这两个指标，只有同时比较好的时候 结果才会比较好！
如果一个指标很差，另外一个指标很好，最终结果也会很差


精准率与召回率的平衡
decision_function  threshold
如何选择合适的threshold？
PR曲线：from sklearn.metrics import precision_recall_curve




视频教程请参考：http://www.ai111.vip/thread-349-1-1.html
东方老师微信：dfy_88888

kiko

学习中，支持

kiko

学习中，支持

kiko

学习中，支持