标签：变换 alt not net 原则 ssi 区间 load 回归
?
2.评估回归模型：
?
?对于二分类问题，可将样例根据其真实类别和分类器预测类别划分为：（T,F表示预测的正确与错误性，P,N表示预测的正类和负类）
?真正例（TruePositive，TP）：真实类别为正例，预测类别为正例。
?假正例（FalsePositive，FP）：真实类别为负例，预测类别为正例。
?假负例（FalseNegative，FN）：真实类别为正例，预测类别为负例。
?真负例（TrueNegative，TN）：真实类别为负例，预测类别为负例。
?构建混淆矩阵（ConfusionMatrix）:
?
?识别精确度（accuracy）
?Accuracy=(TP+FN)/(TP+TN+FP+FN)×100%
?准确率（precision）：
?
?召回率（recall）：
?
?
?F1值：精确度和召回率的调和平均值
?
?precision 和 recall 都是越高越好。精确度和召回率都高时，F1 值也会高． F1 值在1时达到最佳值（完美的精确度和召回率），最差为0．在二元分类中，F1 是测试准确度的量度。
classification_report 的主要参数：
主要参数:
y_true：1维数组，或标签指示器数组/稀疏矩阵，目标值。
y_pred：1维数组，或标签指示器数组/稀疏矩阵，分类器返回的估计值。
labels：array，shape = [n_labels]，报表中包含的标签索引的可选列表。
target_names：字符串列表，与标签匹配的可选显示名称（相同顺序）。
sample_weight：类似于shape = [n_samples]的数组，可选项，样本权重。
digits：int，输出浮点值的位数．
from sklearn.metrics import classification_report
y_true = [0,1,2,2,1,0]
y_pred = [0,2,0,2,1,0]
target_names= [‘class0‘,‘class1‘,‘class2‘]
reports = classification_report(y_true, y_pred, target_names=target_names) #生成分类的指标的文本报告
print(reports)
#输出结果
# precision recall f1-score support
#
# class0 0.67 1.00 0.80 2 #support为真实label出现的次数
# class1 1.00 0.50 0.67 2
# class2 0.50 0.50 0.50 2
#
# avg / total 0.72 0.67 0.66 6| 真实值 | 预测值 |
| 0 | 0 |
| 1 | 2 |
| 2 | 0 |
| 2 | 2 |
| 1 | 1 |
| 0 | 0 |
先计算label 0：即reports的class0
计算precision准确率时，只看分类标签是 0 的预测值，如图有 3 个，再看其预测成功的个数 ，有2个，所以准确率为 0.67
计算recall召回率时：只看分类标签是0 的真实值，如图有2 个，再看其预测成功的个数， 有2 个，所以召回率为 1
结合p 和 r 计算 F1值
同理：计算label 1 和label 2
?
?1.均方根误差（RootMean Squared Error，RMSE）
RMSE是一个衡量回归模型误差率的常用公式。然而，它仅能比较误差是相同单位的模型
?
?由于对误差E 进行平方，加强了数值大的误差在指标中的作用，从而提高了指标的灵敏性。
?2.平均绝对误差（Mean Absolute Error，MAE)
?
?3.平均绝对百分误差（MeanAbsolute Percentage Error）
?
?一般认为MAPE小于10时，预测精度高。
ROC-AUC曲线
?AUC值为ROC曲线所覆盖的区域面积,显然,AUC越大,分类器分类效果越好。
?AUC的物理意义
?假设分类器的输出是样本属于正类的score（置信度），则AUC的物理意义为，任取一对（正、负）样本，正样本的score大于负样本的score的概率。
1.ROC曲线：接受者操作特征（receiveroperating characteristic）曲线代表每个点反映着对同一个信号刺激的感受性。ROC曲线和AUC常被用来评价一个二值分类器（binaryclassifier）的优劣。
?
?
?横轴FPR越大，代表预测正类中实际负类越多
?纵轴TPR越大，代表预测正类中实际正类也越多
?因此，曲线越靠近（0,1）点，越往对角线45度左上角偏，分类效果越好。
如何绘制ROC 曲线
?
?
当我们将threshold设置为1和0时，分别可以得到ROC曲线上的(0,0)和(1,1)两个点。将这些(FPR,TPR)对连接起来，就得到了ROC曲线。当threshold取值越多，ROC曲线越平滑。
其实，我们并不一定要得到每个测试样本是正样本的概率值，只要得到这个分类器对该测试样本的“评分值”即可（评分值并不一定在(0,1)区间）。评分越高，表示分类器越肯定地认为这个测试样本是正样本，而且同时使用各个评分值作为threshold。将评分值转化为概率更易于理解一些。
2.AUC（Areaunder roc curve）在ROC曲线下的面积，度量分类模型的好坏。
?由于ROC曲线一般都处于y=x这条直线的上方，所以AUC的取值范围在0.5和1之间。使用AUC值作为评价标准是因为很多时候ROC曲线并不能清晰的说明哪个分类器的效果更好，而作为一个数值，对应AUC更大的分类器效果更好。
?
?首先AUC值是一个概率值，当你随机挑选一个正样本以及一个负样本，当前的分类算法根据计算得到的Score值将这个正样本排在负样本前面的概率就是AUC值。当然，AUC值越大，当前的分类算法越有可能将正样本排在负样本前面，即能够更好的分类。
?
?判定AUC 曲线的优劣：
?.90-1= very good (A)
?.80-.90= good (B)
?.70-.80= not so good (C)
?.60-.70= poor (D)
?.50-.60= fail (F)
?3.精度-召回率曲线PRC（precisionrecall curve）：与ROC曲线不同的是：PRC曲线是往右上角靠拢效果较好。
?
?适用场景：
1. 地震的预测
对于地震的预测，我们希望的是RECALL非常高，也就是说每次地震我们都希望预测出来。这个时候我们可以牺牲PRECISION。情愿发出1000次警报，把10次地震都预测正确了；也不要预测100次对了8次漏了两次。
2. 嫌疑人定罪
基于不错怪一个好人的原则，对于嫌疑人的定罪我们希望是非常准确的。及时有时候放过了一些罪犯（recall低），但也是值得的。
?过拟合表现为在训练数据上的误差非常小，而在测试数据集上的误差反而增大。其中原因一般是模型过于复杂，过分去拟合数据的噪声和离群点，导致模型的泛化能力差，鲁棒性差。
?常见的解决办法：增大数据集，对模型进行正则化。
?K-Folds交叉验证：K层交叉验证是将原始数据随机分为K 个部分，在K 个部分中，选择1 个作为测试集，K-1 个作为训练集。将实验重复K 次，每次实验都从K 个部分选择1 个不同的作为测试集，最后对得到的K 个实验结果取平均。
#coding=gbk
‘‘‘
Created on 2018年7月10日
@author: Administrator
‘‘‘
#交叉验证
#1.留出法：直接将原始的数据集变换成2类互斥的两类，一部分为训练集，另一部分为验证集、
#在sklearn中使用 train_test_split函数
from sklearn.model_selection import train_test_split
import numpy as np
from sklearn import svm #支持向量机
from sklearn import datasets
iris = datasets.load_iris() #加载鸢尾花数据集
print(iris.data.shape, iris.target.shape) #(150, 4) (150,)
x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target,
test_size = 0.2, random_state=666)
#test_size 表示测试集所占的比例
print(x_train.shape, x_test.shape) #(120, 4) (30, 4)
print(y_train.shape, y_test.shape) #(120,) (30,)
svm_clf = svm.SVC(kernel=‘linear‘, C= 1).fit(x_train, y_train)
print(svm_clf.score(x_test, y_test)) # 1.0 百分之百的预测成功率
#2.交叉验证方法
from sklearn.model_selection import KFold
import numpy as np
x = np.array([[1,2],[3,4],[5,6],[7,8]])
y = np.array([1,2,3,4])
kf = KFold(n_splits=2,random_state=666) #n_splits 是指将数据输出多少份
for train_index, test_index in kf.split(x):
print(‘train_index:‘, train_index, ‘test_index:‘,test_index)
# train_index: [2 3] test_index: [0 1]
# train_index: [0 1] test_index: [2 3]
#当n_splits = 3 时，输出如下:
# train_index: [2 3] test_index: [0 1]
# train_index: [0 1 3] test_index: [2]
# train_index: [0 1 2] test_index: [3]
x_train, y_train = x[train_index],y[train_index]
x_test , y_test = x[test_index], y[test_index]
print(x_train,‘ ‘,y_train)
print(x_test,‘ ‘,y_test)
#2.2 RepeatedKFold p次k折交叉验证,RepeatedKFold方法可以控制交叉验证的次数。n_repeats
from sklearn.model_selection import RepeatedKFold
x1 = np.array([[1,2],[3,4],[5,6],[7,8]])
y1 = np.array([1,2,3,4])
rk = RepeatedKFold(n_splits=2, n_repeats=2, random_state=666)
for train_index, test_index in rk.split(x1):
print(‘train_index:‘,train_index,‘test_index:‘, test_index)
# train_index: [0 2] test_index: [1 3]
# train_index: [1 3] test_index: [0 2]
# train_index: [2 3] test_index: [0 1]
# train_index: [0 1] test_index: [2 3]
#3 留一法 LeaveOneOut
print(‘-----LeaveOneOut------‘)
from sklearn.model_selection import LeaveOneOut
x2 = np.array([1,2,3,4,5])
loo = LeaveOneOut()
for train_index, test_index in loo.split(x2):
print(‘train_index:‘,train_index, ‘test_index:‘, test_index)
# train_index: [1 2 3 4] test_index: [0]
# train_index: [0 2 3 4] test_index: [1]
# train_index: [0 1 3 4] test_index: [2]
# train_index: [0 1 2 4] test_index: [3]
# train_index: [0 1 2 3] test_index: [4]
#3.2 LeavePOut 留p法
#基本原理和留一法是一样的
from sklearn.model_selection import LeavePOut
lpo = LeavePOut(p=2)
for train_index, test_index in lpo.split(x2):
print(‘train_index:‘,train_index, ‘test_index:‘,test_index)
# train_index: [2 3 4] test_index: [0 1]
# train_index: [1 3 4] test_index: [0 2]
# train_index: [1 2 4] test_index: [0 3] 有10中取法
# train_index: [1 2 3] test_index: [0 4]
# train_index: [0 3 4] test_index: [1 2]
# train_index: [0 2 4] test_index: [1 3]
# train_index: [0 2 3] test_index: [1 4]
# train_index: [0 1 4] test_index: [2 3]
# train_index: [0 1 3] test_index: [2 4]
# train_index: [0 1 2] test_index: [3 4]
#4.shuffleSplit 随机分配， 可以随机把数据打乱，然后分为训练集和测试集
print(‘------shufflesplit------‘)
from sklearn.model_selection import ShuffleSplit
ss = ShuffleSplit(n_splits=4, random_state = 666, test_size=0.4)
for train_index, test_index in ss.split(x2):
print(‘train_index:‘,train_index,‘test_index:‘,test_index)
# train_index: [1 2 4] test_index: [3 0]
# train_index: [0 2 1] test_index: [3 4]
# train_index: [0 2 3] test_index: [4 1]
# train_index: [1 2 4] test_index: [0 3]
参考：柚子皮blog
标签：变换 alt not net 原则 ssi 区间 load 回归
原文地址：https://www.cnblogs.com/junge-mike/p/9335036.html
