常用的分類評估指標包括：

• accuracy_score,
• f1_score,
• precision_score,
• recall_score等等。

常用的回歸評估指標包括：

• r2_score,
• explained_variance_score等等。
  常用的聚類評估指標包括：

-adjusted_rand_score,

• adjusted_mutual_info_score等等

分類模型的評估

模型分類效果全部信息：

• confusion_matri 混淆矩陣,誤差矩陣。

• TP:True Positive 真正例 FP:False Positive 假正例

• FN:False Negative 假反例 TN:True Negative 真反例
  模型整體分類效果：

• accuracy 正確率。通用分類評估指標。

模型對某種類別的分類效果：

• precision 精確率，也叫查準率。模型不把正樣本標錯的能力。“不冤枉一個好人”。
• recall 召回率，也叫查全率。模型識別出全部正樣本的能力。“也絕不放過一個壞人”。
• f1_score F1得分。精確率和召回率的調和平均值。

利用不同方式將類別分類效果進行求和平均得到整體分類效果：

• macr

總結

以上是生活随笔為你收集整理的sklearn模型评估的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。