3、机器学习指标计算与模型验证全解析

机器学习指标计算与模型验证全解析

一、常见机器学习指标计算

1.1 精确率（Precision 或 Positive Predictive Value - PPV）

精确率是指正确预测的正类样本数占所有预测为正类样本数的比例。计算公式为：$PPV = \frac{TP}{TP + FP}$。

示例 ：

from sklearn.metrics import precision_score
y_true = [0, 0, 0, 0, 0, 1, 1, 1, 1, 1]
y_pred = [0, 0, 0, 0, 1, 1, 1, 1, 1, 1]
print(precision_score(y_true, y_pred, average=None))

结果显示，该机器学习模型能 100% 正确预测“无流感”情况，但对于“流感”情况的预测准确率仅为 83.3%。

1.2 负预测值（Negative Predictive Value - NPV）

负预测值是指预测为负类的样本中，实际为负类的概率。计算公式为：$NPV = \frac{TN}{TN + FN}$。

示例 ：

from sklearn.metrics import confusion_matrix
y_true = [0, 0, 0, 0, 0, 1, 1, 1, 1, 1]
y_p