亚洲在线久爱草,狠狠天天香蕉网,天天搞日日干久草,伊人亚洲日本欧美

模型評估。

jupyter主題安裝

CSV 下載地址：https://github.com/weiwanling/TensorFlow_Experiment/tree/1241a064d780cdcf278e4f8edec0f7bbd9bc0aea

#?????True?Positives(TP):預測準確、實際為正樣本的數量(實際為1,預測為1)
#?????True?Negatives(TN):預測準確、實際為負樣本的數量(實際為0,預測為0)
#?????False?Positives(FP):預則錯誤、實際為負樣本的數量(實際為0,預測為1)
#?????False?Negatives(FN):預測錯誤、實際為正樣本的數量(實際為1,預測為0)
#?????準確率????(TP+TN)/(TP+TN+FP+FN)??????????????整體樣本中，預測正確的比例
#?????錯誤率???（FP+FN）/(TP+TN+FP+FN)??????????????整體樣本中，預測錯誤的比例
#?????召回率????TP/(TP+FN)?????????????????????????正樣本中，預測正確的比例
#?????特異度????TN/(TN+FP)?????????????????????????負樣本中，預測正確的比例
#?????精確率????TP/(TP+FP)?????????????????????????預測結果為正樣本中，預測正確的比例
#?????F1分數????2*精確率*召回率/(精確率+召回率)???????綜合精確率和召回率的指標

#?????泥淆矩陣,又稱為誤差矩陣,用于衡量分類算法的準確程度
#?????--------------------預測結果---------------------------------
#??????????????????0????????????????????????1
#?????實際??0?????True?Negatives(TN)???????False?Positives(FP)
#?????結果??1?????False?Negatives(FN)??????True?Positives(TP)
#?????------------------------------------------------------------
#?????True?Positives(TP):預測準確、實際為正樣本的數量(實際為1,預測為1)
#?????True?Negatives(TN):預測準確、實際為負樣本的數量(實際為0,預測為0)
#?????False?Positives(FP):預則錯誤、實際為負樣本的數量(實際為0,預測為1)
#?????False?Negatives(FN):預測錯誤、實際為正樣本的數量(實際為1,預測為0)

通過多個角度看模型評估的好壞

1. 邏輯回歸：計算概率判斷類別，應用場景?二分類問題

2. 準確率預測的局限性：準確度存在空準確率的問題（直接丟掉了負樣本，只關注正樣本）、沒有體現實際分布情況、沒有體現模型錯誤預測類型

3. 混淆矩陣：又稱為誤差矩陣，衡量分類算法的準確程度，含6個指標

1. 數據分離：

   from sklearn.model_selection import train_test_split

   X_train, X_test, y_train, y_test = train_test_split(X,y,test_size = 0.4)

2. 定義一個k的范圍：k_range = list(range(1,26))

3. 定義變量存儲多個數據：score_train = []

4. 將單個數據存儲在范圍變量中：score_train.append(accuracy_score(y_train, y_train_pred))?

5. 定義一個循環：for k in k_range：

6. 以線的形式繪制一個對比圖：

   import matplotlib.pyplot as plt?

   %matplotlib inline

   plt.plot(k_range,score_test)

   plt.xlabel('K(Knn model)')

   plt.ylabel('test_accuracy')

7. 當k=1的時候，模型是最復雜的