metrics.png
wiki.png
机器学习度量指标
分类评估指标
TN TP FN FP
TP：预测为正向（P），实际上预测正确（T），即判断为正向的正确率
TN：预测为负向（N），实际上预测正确（T），即判断为负向的正确率
FP：预测为正向（P），实际上预测错误（F），误报率，即把负向判断成了正向
FN：预测为负向（N），实际上预测错误（F），漏报率，即把正向判断称了负向
| Positive | Negative | |
|---|---|---|
| True | True Positive(TP) 真阳性 | True Negative(TN) 真阴性 |
| False | False Positive(FP) 假阳性 | False Negative(FN) 假阴性 |
准确率（Accuracy）
【注意】当分类问题是平衡（blanced）的时候，准确率可以较好地反映模型的优劣程度，但不适用于数据集不平衡的时候。
例如：分类问题的数据集中本来就有97% 示例是属于X，只有另外3%不属于X，所有示例都被分类成X的时候，准确率仍然高达97%，但这没有任何意义。
精确率Precision
查准率 即在预测为正向的数据中，有多少预测正确。【预测结果为真的数据】
召回率Recall
查全率 即在所有正向的数据中，有多少预测正确。【样本原来真的数据】
F1-Score
F1值为精确率和召回率的调和均值。
ROC（Receiver Operating Characteristic）曲线
先了解以下几个概念
真正率(True Positive Rate, TPR)，又名灵敏度(Sensitivity)：分类正确的正样本个数占整个正样本个数的比例。
假负率(False Negative Rate, FNR)：分类错误的正样本的个数占正样本的个数的比例。
假正率(False Positive Rate, FPR)：分类错误的负样本个数占整个负样本个数的比例。
真负率(True Negative Rate, TNR)：分类正确的负样本的个数占负样本的个数的比例。
ROC曲线是以假正率（FP_rate）和真正率（TP_rate）为轴的曲线，ROC曲线下面的面积我们叫做AUC。
AUC（Area Under Curve） 被定义为ROC曲线下的面积，显然这个面积的数值不会大于1。
如下图所示：
ROC-AUC
曲线与FP_rate轴围成的面积（记作AUC）越大，说明性能越好，即图上L2曲线对应的性能优于曲线L1对应的性能。即：曲线越靠近A点（左上方）性能越好，曲线越靠近B点（右下方）曲线性能越差。
PR(precision recall)曲线
表现的是precision和recall之间的关系。
回归评估指标
测试数据集中的点，距离模型的平均距离越小，该模型越精确。
使用平均距离，而不是所有测试样本的距离和，因为距离和受样本数量的影响
平均绝对误差 MAE
平均绝对误差MAE（Mean Absolute Error）又被称为 范数损失（l1-norm loss）。
平均平方误差 MSE
平均平方误差 MSE（Mean Squared Error）又被称为 范数损失（l2-norm loss）。
RMSE：均方根误差
均方根误差RMSE（Root Mean Squared Error）
RMSE和MAE有局限性：同一个算法模型，解决不同的问题，不能体现此模型针对不同问题所表现的优劣。因为不同实际应用中，数据的量纲不同，无法直接比较预测值，因此无法判断模型更适合预测哪个问题。
R-squared
原始数据和均值之差的平方和
预测数据与原始数据均值之差的平方和
上面公式中表示测试数据真实值的方差（内部差异）；
代表回归值与真实值之间的平方差异（回归差异），因此R-squared既考量了回归值与真实值的差异，也兼顾了问题本身真实值的变动。【模型对样本数据的拟合度】
R-squared 取值范围，值越大表示模型越拟合训练数据;最优解是1;当模型 预测为随机值的时候，有可能为负;若预测值恒为样本期望，R2为0。
from sklearn.metrics import mean_squared_error #均方误差
from sklearn.metrics import mean_absolute_error #平方绝对误差
from sklearn.metrics import r2_score#R square
聚类性能指标
ARI （Adjusted Rand index）
若样本数据本身带有正确的类别信息，可用ARI指标进行评估。
from sklearn.metrics import adjusted_rand_score()
轮廓系数 Silhouette Cofficient
若样本数据没有所属类别，可用轮廓系数来度量聚类结果的质量。
from sklearn.metrics import silhouette_score
sklearn里的常见评测指标
| Scoring（得分） | Function（函数） | Comment（注解） |
|---|---|---|
| Classification（分类） | ||
| ‘accuracy’ | metrics.accuracy_score | |
| ‘average_precision’ | metrics.average_precision_score | |
| ‘f1’ | metrics.f1_score | for binary targets（用于二进制目标） |
| ‘f1_micro’ | metrics.f1_score | micro-averaged（微平均） |
| ‘f1_macro’ | metrics.f1_score | macro-averaged（微平均） |
| ‘f1_weighted’ | metrics.f1_score | weighted average（加权平均） |
| ‘f1_samples’ | metrics.f1_score | by multilabel sample（通过 multilabel 样本） |
| ‘neg_log_loss’ | metrics.log_loss | requires predict_proba support（需要 predict_proba 支持） |
| ‘precision’ etc. | metrics.precision_score | suffixes apply as with ‘f1’（后缀适用于 ‘f1’） |
| ‘recall’ etc. | metrics.recall_score | suffixes apply as with ‘f1’（后缀适用于 ‘f1’） |
| ‘roc_auc’ | metrics.roc_auc_score | |
| Clustering（聚类） | ||
| ‘adjusted_mutual_info_score’ | metrics.adjusted_mutual_info_score | |
| ‘adjusted_rand_score’ | metrics.adjusted_rand_score | |
| ‘completeness_score’ | metrics.completeness_score | |
| ‘fowlkes_mallows_score’ | metrics.fowlkes_mallows_score | |
| ‘homogeneity_score’ | metrics.homogeneity_score | |
| ‘mutual_info_score’ | metrics.mutual_info_score | |
| ‘normalized_mutual_info_score’ | metrics.normalized_mutual_info_score | |
| ‘v_measure_score’ | metrics.v_measure_score | |
| Regression（回归） | ||
| ‘explained_variance’ | metrics.explained_variance_score | |
| ‘neg_mean_absolute_error’ | metrics.mean_absolute_error | |
| ‘neg_mean_squared_error’ | metrics.mean_squared_error | |
| ‘neg_mean_squared_log_error’ | metrics.mean_squared_log_error | |
| ‘neg_median_absolute_error’ | metrics.median_absolute_error | |
| ‘r2’ | metrics.r2_score |
