Python sklearn.metrics机器学习各种评价指标

参考https://blog.youkuaiyun.com/Yqq19950707/article/details/90169913
https://mp.weixin.qq.com/s/kga6AD7vx-4Km4f_CKwQqA

回归指标

1.explained_variance_score(y_true, y_pred, sample_weight=None, multioutput=‘uniform_average’)：回归方差(反应自变量与因变量之间的相关程度)

2.mean_absolute_error(y_true,y_pred,sample_weight=None, multioutput=‘uniform_average’)：
平均绝对误差

3.mean_squared_error(y_true, y_pred, sample_weight=None, multioutput=‘uniform_average’)：均方差

4.median_absolute_error(y_true, y_pred) 中值绝对误差

5.r2_score(y_true, y_pred,sample_weight=None,multioutput=‘uniform_average’) ：R平方值

分类指标

-真阳（TP）− 当数据点的实际类别和预测类别均为1

-真实阴（TN）− 当数据点的实际类和预测类都为0

-假阳（FP）− 当数据点的实际类别为0，预测的数据点类别为1

-假阴（FN）− 当数据点的实际类别为1，预测的数据点类别为0

1.Accuracy

accuracy_score(y_true,y_pre) : 精度(正确预测的数量与所有预测的比）