sklearn集成了大多数模型评价指标,这可以很大程度上方便我们的使用,尤其在对进行进行自动调参时可以方便我们进行选择。
做下这个笔记主要是为了补充之前的内容:sklearn快速入门教程:(四)模型自动调参
后续如果有时间可能会把具体的指标公式全部转过来,方便查看。
| Scoring | Function | Comment |
|---|---|---|
| 分类指标 | ||
| ‘accuracy’ | metrics.accuracy_score |
|
| ‘balanced_accuracy’ | metrics.balanced_accuracy_score |
|
| ‘average_precision’ | metrics.average_precision_score |
|
| ‘neg_brier_score’ | metrics.brier_score_loss |
|
| ‘f1’ | metrics.f1_score |
for binary targets |
| ‘f1_micro’ | metrics.f1_score |
micro-averaged |
| ‘ |

最低0.47元/天 解锁文章
356

被折叠的 条评论
为什么被折叠?



