AI模型机器学习

sklaern操作集锦

字数统计: 230字   |   阅读时长: 1分
,

sklearn_ml_map

摘要: 本文整理 sklearn 中常见的操作。

【对算法，数学，计算机感兴趣的同学，欢迎关注我哈，阅读更多原创文章】
我的网站：潮汐朝夕的生活实验室
我的公众号：算法题刷刷
我的知乎：潮汐朝夕
我的github：FennelDumplings
我的leetcode：FennelDumplings

评价指标计算

在已有 y_true 和 y_pred 之后，各个指标的计算方式如下，其中 y_true,y_pred 和 y_scores 为 Python list。

  • 混淆矩阵
1
2
3
from sklearn.metrics import confusion_matrix

confusion_matrix(y_true, y_pred)
  • Accuracy
1
2
3
from sklearn.metrics import confusion_matrix

accuracy_score(t_true, y_pred)
  • Precision, Recall, F1-score
1
2
3
4
5
from sklearn import metrics

metrics.precision_score(t_true, y_pred)
metrics.recall_score(t_true, y_pred)
metrics.f1_score(t_true, y_pred)
  • PR 曲线
1
2
3
4
5
from sklearn.metrics import precision_recall_curve

precision, recall, thresholds = precision_recall_curve(y_true, y_pred)
plt.title("PR")
plt.plot(precision, recall)
  • ROC 曲线
1
2
3
4
5
6
7
8
from sklearn.metrics import roc_curve

FPR, TPR, thresholds = roc_curve(y_true, y_pred)
plt.title("ROC")
plt.plot(FPR, TPR, "b")
plt.plot([0, 1], [1, 0], "r--")
plt.ylabel("TPR")
plt.xlabel("FPR")
  • AUC
1
2
3
from sklearn.metrics import roc_auc_score

roc_auc_score(y_true, y_scores)
  • KS
1
2
3
4
from sklearn.metrics import roc_curve

TPR, FPR, thresholds = roc_curve(y_true, y_pred)
KS = abs(FPR - TPR).max()
Share