评价分类模型的性能指标

当一个模型构建完成之后，我们可以通过几个不同的性能指标来衡量分类模型的相关性能，常用的分类性能指标有准确率(precision)、召回率(recall)和F1分数(F1-score)。

一、混淆矩阵

混淆矩阵(confusion matrix):是展示分类学习算法的一种性能矩阵(方阵)，包括分类器预测结果真正(true positive)、真负(true negative)、假正(false positive)、假负(false negative)的数量，如下图：

真正：实际是正类别，预测也是正类别

假负：实际是正类别，预测成了负类别

真负：实际是负类别，预测也是负类别

假正：实际是负类别，预测成了正类别

通过sklearn的confusion_matrix函数和matplotlib来实现混淆矩阵的绘制

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.prepro