|
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
|
-
01.png
(195.22 KB, 下载次数: 128)
-
02.png
(204.42 KB, 下载次数: 132)
-
03.png
(147 KB, 下载次数: 129)
-
04.png
(191.54 KB, 下载次数: 126)
-
05.png
(98.96 KB, 下载次数: 132)
-
06.png
(88.19 KB, 下载次数: 129)
-
07.png
(118.27 KB, 下载次数: 128)
-
08.png
(119.39 KB, 下载次数: 126)
-
09.png
(113.88 KB, 下载次数: 128)
-
10.png
(57.44 KB, 下载次数: 128)
-
11.png
(60.14 KB, 下载次数: 136)
-
12.png
(29.63 KB, 下载次数: 126)
-
13.png
(153.39 KB, 下载次数: 127)
-
14.png
(141.3 KB, 下载次数: 129)
-
15.png
(60.17 KB, 下载次数: 127)
-
16.png
(53.79 KB, 下载次数: 128)
-
17.png
(41.17 KB, 下载次数: 127)
-
18.png
(101.19 KB, 下载次数: 129)
-
19.png
(119.64 KB, 下载次数: 128)
-
-
32、分类问题的评价指标:精准率和召回率.ipynb
65.21 KB, 阅读权限: 10, 下载次数: 0
|