sklearn.metrics
时间: 2024-03-19 15:31:18 浏览: 55
混淆矩阵、准确率、精确率、召回率、F值、ROC曲线、AUC、PR曲线-Sklearn.metrics评估方法 - 简书.mhtml
sklearn.metrics是Scikit-learn机器学习库中的一个模块,提供了许多评估模型性能的函数和指标,包括分类、回归、聚类、降维和模型选择等。常用的函数和指标包括:
1. accuracy_score:计算分类准确率
2. precision_score:计算分类精度
3. recall_score:计算分类召回率
4. f1_score:计算分类F1值
5. confusion_matrix:计算混淆矩阵
6. roc_curve:计算ROC曲线
7. auc:计算AUC指标
8. r2_score:计算回归模型的R^2值
9. mean_absolute_error:计算回归模型的平均绝对误差
10. mean_squared_error:计算回归模型的均方误差
这些函数和指标可以用于评估模型的性能和比较不同模型的表现。
阅读全文