sklearn.metrics学习

sklearn.metrics

上篇文章本小白学习了混淆矩阵、ROC曲线和AUC面积，就迫不及待想看看sklearn实现的方法，sklearn官网打开，来几个比较常用的方法小试身手。

accuracy_score

分类准确率分数是指分类正确的样本数占总样本总数的比例

sklearn.metrics.accuracy_score(y_true, y_pred, normalize=True, sample_weight=None)

normalize：默认为true，返回正确分类的比例，如果是false，返回正确分类的数目

>>> import numpy as np
>>> from sklearn.metrics import accuracy_score
>>> y_pred = [0, 2, 1, 3]
>>> y_true = [0, 1, 2, 3]
>>> accuracy_score(y_true, y_pred)
0.5
>>> accuracy_score(y_true, y_pred, normalize=False)
2

confusion_matrix

先看个混淆矩阵的例子

（1）猫预测成猫的有92个，猫预测正狗的有7个，猫预测成猪的有1个
（2）狗预测成猫的有10个，狗预测正狗的有88个，狗预测成猪的有2个
（3）猪预测成猫的有1个，猪预测正狗的有9个，猪预测成猪的有90个

可以看出来对角线上