sklearn模型评估

常用的分类评估指标包括：

• accuracy_score,
• f1_score,
• precision_score,
• recall_score等等。

常用的回归评估指标包括：

• r2_score,
• explained_variance_score等等。
  常用的聚类评估指标包括：

-adjusted_rand_score,

• adjusted_mutual_info_score等等

分类模型的评估

模型分类效果全部信息：

• confusion_matri 混淆矩阵,误差矩阵。

• TP:True Positive 真正例 FP:False Positive 假正例

• FN:False Negative 假反例 TN:True Negative 真反例
  模型整体分类效果：

• accuracy 正确率。通用分类评估指标。

模型对某种类别的分类效果：

• precision 精确率，也叫查准率。模型不把正样本标错的能力。“不冤枉一个好人”。
• recall 召回率，也叫查全率。模型识别出全部正样本的能力。“也绝不放过一个坏人”。
• f1_score F1得分。精确率和召回率的调和平均值。

利用不同方式将类别分类效果进行求和平均得到整体分类效果：

• macro_averaged：宏平均。每种类别预测的效果一样重要。
• micro_a