二、性能度量

1. 在scikit-learn中有三种方法来评估estimator 的预测性能：

   • estimator 的.score方法。
   • 通过使用model_selection中的模型评估工具来评估，如model_selection.cross_val_score等方法。
   • 通过scikit-learn的metrics模块中的函数来评估estimator 的预测性能。这里重点讲解这些函数。

2. metrics模块中的性能评价函数的通用参数：

   • y_true：一个数组，给出了真实的标记集合。
   • y_pred：一个数组，给出了预测的标记集合。
   • sample_weight：一个浮点数，给出了样本权重。默认每个样本的权重为 1。

2.1 分类问题性能度量

2.1.1 accuracy_score

1. accuracy_score函数用于计算分类结果的准确率，其原型为：

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

   返回值：如果normalize为True，则返回准确率；如果normalize为False，则返回正确分类的数量。

   参数：

   • y_true：真实的标记集合。

   • y_pred：预测的标记集合。

   • normalize：一个布尔值，指示是否需要归一化结果。

     • 如果为True，则返回分类正确的比例（准确率）。
     • 如果为False，则返回分类正确的样本数量。
   • sample_weight：样本权重，默认每个样本的权重为 1 。

2.1.2 precision_score

1. precision_score函数用于计算分类结果的查准率，其原型为：

   sklearn.metrics.precision_score(y_true, y_pred, labels=None, pos_label=1, 
   average='binary', sample_weight=None)

   返回值：查准率。即预测结果为正类的那些样本中，有多少比例确实是正类。

   参数：

   • y_true：真实的标记集合。

   • y_pred：预测的标记集合。

   • labels：一个列表。当average 不是'binary' 时使用。

     • 对于多分类问题，它指示：将计算哪些类别。不在labels 中的类别，计算macro precision 时其成分为 0 。
     • 对于多标签问题，它指示待考察的标签的索引。
     • 除了average=None 之外，labels 的元素的顺序也非常重要。
     • 默认情况下，y_true 和 y_pred 中所有的类别都将被用到。

   • pos_label：一个字符串或者整数，指定哪个标记值属于正类。

     • 如果是多分类或者多标签问题，则该参数被忽略。
     • 如果设置label=[pos_label] 以及average!='binary' 则会仅仅计算该类别的precision 。

   • average：一个字符串或者None，用于指定二分类或者多类分类的precision 如何计算。

     • 'binary'：计算二类分类的precision。 此时由pos_label 指定的类为正类，报告其precision 。

       它要求y_true、y_pred 的元素都是0,1 。

     • 'micro'：通过全局的正类和父类，计算precision 。

     • 'macro'：计算每个类别的precision，然后返回它们的均值。

     • 'weighted'：计算每个类别的precision，然后返回其加权均值，权重为每个类别的样本数。

     • 'samples'：计算每个样本的precision，然后返回其均值。

       该方法仅仅对于多标签分类问题有意义。

     • None：计算每个类别的precision，然后以数组的形式返回每个precision 。

   • sample_weight：样本权重，默认每个样本的权重为 1

2.1.3 recall_score

1. recall_score函数用于计算分类结果的查全率，其原型为：

   sklearn.metrics.recall_score(y_true, y_pred, labels=None, pos_label=1, 
   average='binary', sample_weight=None)

   返回值：查全率。即真实的正类中，有多少比例被预测为正类。

   参数：参考precision_score 。

2.1.4 f1_score

1. f1_score函数用于计算分类结果的 值，其原型为：

   sklearn.metrics.f1_score(y_true, y_pred, labels=None, pos_label=1, 
   average='binary', sample_weight=None)

   返回值： 值。即查准率和查全率的调和均值。

   参数：参考precision_score 。

2.1.5 fbeta_score

1. fbeta_score函数用于计算分类结果的 值，其原型为：

   sklearn.metrics.fbeta_score(y_true, y_pred, beta, labels=None, pos_label=1, 
   average='binary', sample_weight=None)

   返回值： 值。

   参数：

   • beta： 值
   • 其它参数参考precision_score 。

2.1.6 classification_report

1. classification_report函数以文本方式给出了分类结果的主要预测性能指标。其原型为：

   sklearn.metrics.classification_report(y_true, y_pred, labels=None, target_names=None,
   sample_weight=None, digits=2)

   返回值：一个格式化的字符串，给出了分类评估报告。

   参数：

   • y_true：真实的标记集合。
   • y_pred：预测的标记集合。
   • labels：一个列表，指定报告中出现哪些类别。
   • target_names：一个列表，指定报告中类别对应的显示出来的名字。
   • digits：用于格式化报告中的浮点数，保留几位小数。
   • sample_weight：样本权重，默认每个样本的权重为 1

2. 分类评估报告的内容如下，其中：

   • precision列：给出了查准率。它依次将类别 0 作为正类，类别 1 作为正类…

   • recall列：给出了查全率。它依次将类别 0 作为正类，类别 1 作为正类…

   • recall列：给出了 值。

   • support列：给出了该类有多少个样本。

   • avg / total行：

     • 对于precision,recall,recall，给出了该列数据的算术平均。
     • 对于support列，给出了该列的算术和（其实就等于样本集总样本数量）。

   Classification Report:
   precision    recall  f1-score   support
   class_0       0.62      1.00      0.77         5
   class_1       1.00      0.40      0.57         5
   avg / total       0.81      0.70      0.67        10

2.1.7 confusion_matrix

1. confusion_matrix函数给出了分类结果的混淆矩阵。其原型为：

   sklearn.metrics.confusion_matrix(y_true, y_pred, labels=None)

   返回值：一个格式化的字符串，给出了分类结果的混淆矩阵。

   参数：参考classification_report 。

2. 混淆矩阵的内容如下，其中 表示真实标记为 但是预测为 的样本的数量。

   Confusion Matrix:
   [[5 0]
   [3 2]]

2.1.8 precision_recall_curve

1. precision_recall_curve函数用于计算分类结果的P-R曲线。其原型为：

   sklearn.metrics.precision_recall_curve(y_true, probas_pred, pos_label=None,
   sample_weight=None)

   返回值：一个元组，元组内的元素分别为：

   • P-R曲线的查准率序列。该序列是递增序列，序列第 i 个元素是当正类概率的判定阈值为 thresholds[i]时的查准率。
   • P-R曲线的查全率序列。该序列是递减序列，序列第 i 个元素是当正类概率的判定阈值为 thresholds[i]时的查全率。
   • P-R曲线的阈值序列thresholds。该序列是一个递增序列，给出了判定为正例时的正类概率的阈值。

   参数：

   • y_true：真实的标记集合。
   • probas_pred：每个样本预测为正类的概率的集合。
   • pos_label：正类的类别标记。
   • sample_weight：样本权重，默认每个样本的权重为 1。

2.1.9 roc_curve

1. roc_curve函数用于计算分类结果的ROC曲线。其原型为：

   sklearn.metrics.roc_curve(y_true, y_score, pos_label=None, sample_weight=None,
   drop_intermediate=True)

   返回值：一个元组，元组内的元素分别为：

   • ROC曲线的 序列。该序列是递增序列，序列第 i 个元素是当正类概率的判定阈值为 thresholds[i]时的假正例率。
   • ROC曲线的 序列。该序列是递增序列，序列第 i 个元素是当正类概率的判定阈值为 thresholds[i]时的真正例率。
   • ROC曲线的阈值序列thresholds。该序列是一个递减序列，给出了判定为正例时的正类概率的阈值。

   参数：

   • y_true：真实的标记集合。
   • y_score：每个样本预测为正类的概率的集合。
   • pos_label：正类的类别标记。
   • sample_weight：样本权重，默认每个样本的权重为 1。
   • drop_intermediate：一个布尔值。如果为True，则抛弃某些不可能出现在ROC曲线上的阈值。

2.1.10 roc_auc_score

1. roc_auc_score函数用于计算分类结果的ROC曲线的面积AUC。其原型为：

   sklearn.metrics.roc_auc_score(y_true, y_score, average='macro', sample_weight=None)

   返回值：AUC值。

   参数：参考 roc_curve 。

2.2 回归问题性能度量

2.2.1 mean_absolute_error

1. mean_absolute_error函数用于计算回归预测误差绝对值的均值(mean absolute error:MAE)，其原型为：

   sklearn.metrics.mean_absolute_error(y_true, y_pred, sample_weight=None,
   multioutput='uniform_average')

   返回值：预测误差绝对值的均值。

   参数：

   • y_true：真实的标记集合。

   • y_pred：预测的标记集合。

   • multioutput：指定对于多输出变量的回归问题的误差类型。可以为：

     • 'raw_values'：对每个输出变量，计算其误差 。
     • 'uniform_average'：计算其所有输出变量的误差的平均值。
   • sample_weight：样本权重，默认每个样本的权重为 1。

2.2.2 mean_squared_error

1. mean_squared_error函数用于计算回归预测误差平方的均值(mean square error:MSE)，其原型为：

   sklearn.metrics.mean_squared_error(y_true, y_pred, sample_weight=None,
   multioutput='uniform_average')

   返回值：预测误差的平方的平均值。

   参数：参考mean_absolute_error 。