逻辑回归---3.回归评估方法--精确率与召回率

精确率与召回率
什么是混淆矩阵

在分类任务下，预测结果(Predicted Condition)与正确标记(True Condition)之间存在四种不同的组合，构成混淆矩阵(适用于多分类)

精确率: 预测结果为正例样本中真实为正例的比例

召回率:真实为正例的样本中预测结果为正例的比例（查得全，对正样本的区分能力）

还有其他的评估标准，F1-score，反映了模型的稳健型

分类评估报告API:
sklearn.metrics.classification_report(y_true, y_pred, labels=[], target_names=None )
y_true：真实目标值
y_pred：估计器预测目标值
labels:指定类别对应的数字
target_names：目标类别名称
return：每个类别精确率与召回率
ret = classification_report(y_test, y_predict, labels=(2,4), target_names=(“良性”, “恶性”))
print(ret)