sklearn.metrics —— 混淆矩阵及其绘制、Accuracy/Precision/Recall/F1-score

1. confusion_matrix

sklearn 关于 confusion_matrix 混淆矩阵接口的定义十分清楚：sklearn.metrics.confusion_matrix(y_true, y_pred, labels=None, sample_weight=None)

>>> from sklearn.metrics import confusion_matrix
>>> y_true = [2, 0, 2, 2, 0, 1]
>>> y_pred = [0, 0, 2, 2, 0, 2]
>>> confusion_matrix(y_true, y_pred)
array([[2, 0, 0],
       [0, 0, 1],
       [1, 0, 2]])
				# 第一行表示，0 预测为 0，0 预测为 1，0 预测为 2 的数量

使用 seaborn 对 confusion_matrix 进行可视化：

>> import seaborn as sn
>> sn.heatmap(confusion_matrix(y_true, y_pred), annot=True)
	# annot=True，显示各个cell上的数字

2. Precision/Recall/F1-score

https://blog.csdn.net/sinat_26917383/article/details/75199996

• Accuracy：(TP+TN)/(P+N)，预测正确的数目/总的样本数目
• Precision：TP/(TP+FP)，真阳率，也叫查准率；
• Recall：TP/(TP+FN)，召回率，也叫查全率；
  • 全部预测为 P 时（FN=0），查全率为 100%；
• F1-score： 2/(1/Precision+1/Recall) = 2PrecisionRecall/(Precision+Recall)