5、机器学习数据预处理与模型构建实用指南

机器学习数据预处理与模型构建实用指南

1. 多输出性能评估

在机器学习中，多输出模型的性能评估至关重要。我们可以使用 roc_auc_score 来衡量整体的多输出性能，示例代码如下：

from sklearn.metrics import roc_auc_score
roc_auc_score(y_test, y_multi_pre)

输出结果为： 0.91987179487179482 。

此外，我们还可以按花的类型逐列进行评估，使用 accuracy_score 和 roc_auc_score 分别计算每列的准确率和 AUC 分数：

from sklearn.metrics import accuracy_score
print ("Multi-Output Scores for the Iris Flowers: ")
for column_number in range(0,3):
    print ("Accuracy score of flower " + str(column_number), accuracy_score(y_test[:,column_number], y_multi_pred[:,column_number]))
    print ("AUC score of flower " + str(column_number), roc_auc_sc