python的metrics_Python Sklearn.metrics 简介及应用示例

Python Sklearn.metrics 简介及应用示例

利用Python进行各种机器学习算法的实现时，经常会用到sklearn(scikit-learn)这个模块/库。

无论利用机器学习算法进行回归、分类或者聚类时，评价指标，即检验机器学习模型效果的定量指标，都是一个不可避免且十分重要的问题。因此，结合scikit-learn主页上的介绍，以及网上大神整理的一些资料，对常用的评价指标及其实现、应用进行简单介绍。

一、 scikit-learn安装

网上教程很多，此处不再赘述，具体可以参照：

https://www.cnblogs.com/zhangqunshi/p/6646987.html

此外，如果安装了Anoconda，可以直接从Anoconda Navigator——Environment里面搜索添加。

pip install -U scikit-learn

二、 scikit-learn.metrics导入与调用

有两种方式导入：

方式一：

from sklearn.metrics import 评价指标函数名称

例如：

from sklearn.metrics import mean_squared_error

from sklearn.metrics import r2_score

调用方式为：直接使用函数名调用

计算均方误差mean squared error

mse = mean_squared_error(y_test, y_pre)

计算回归的决定系数R2

R2 = r2_score(y_test,y_pre)

方式二&#x