模型评价指标总结

1、分类准确度

定义：分类准确度（accuracy），指在分类模型中，模型的输出分类结果与真实结果一致的样本占总分类样本的比例。

优缺点：其容易理解，但致命缺点是对于极度偏斜的数据，使用分类准确度是不科学不全面的。如癌症产生的概率时0.1%，那如果不用任何机器学习的算法，只要系统将所有人都预测为健康，那么即可达到99.9%的准确率。这显然是不科学的。

2、精准率和召回率

精准率和召回率又可分别称为查准率和查全率，即平常所说的precision和recall。想要弄清楚这两个指标的计算方法，首先需要对混淆矩阵有个清晰的认识。

（1）混淆矩阵

混淆矩阵是一个2*2的矩阵形式的表格，其行为真实标签分布，列为预测标签分布。如下：

混淆矩阵

其中，第一行为真实值为P，第二行为真实值为N。第一列为预测值为P，第二列为预测值为N。设矩阵为M，则M11为真实值为p且预测值为P，M12为真实值为p但预测值为N，M21为真实是为N但预测值为P，M22为真实值为N且预测值为N。

（2）精准率（precision）

precision=TP/（TP+FP）。含义为所有预测为positive的样本中真正为positive的样本数所占比例。即预测为P，且预测对了的比例。通常含义上，精准率为我们关注的事件预测得有多准。

（3）召回率（recall）

recall=TP/（TP+FN）。含义为所有实际为positive的样本中预测对了的样本数所占比例。即真实值为P，且预测对了的比例。通常含以上，召回率为我们关注的事件真正预测成功的比例为多少。

3、综合评价指标

精准率和召回率是两个矛盾的指标，一个高时，另一个就偏低。因此，需要一个综合性的指标来对模型性能进行评估。

（1）F值

F值precision和recall的调和平均数，使用调和平均数时，假设两者一样重要，称为F1-score。

F1-score=（2recall*precision）/（recall+precision）

（2）P-R曲线（Precision-Recall Curve）

以precision为纵轴，以recall为横轴，取不同的分类阈值，在此基础上画出来的一条曲线就叫做PR曲线。PR曲线越接近右上角（precision=1，recall=1），代表模型越好。一般而言，比较P-R曲线下面积的大小，可在一定程度上表征模型在查准率和查全率上取得相对“双高”的比例，但该值不太容易计算。因此，其他相对容易计算的性能度量被提出。

P-R曲线

（2）ROC曲线（Receiver Operating Characteristic Curve）

ROC曲线，全称“受试者工作特征”曲线，以“真正率”为y轴，以“假正率”为x轴，取不同的分类阈值，在此基础上画出来的一条曲线就叫做ROC曲线。ROC曲线越接近左上角（true positive rate=1，false positive rate=0），代表模型性能越好。同P-R曲线一样，一般通过ROC曲线下的面积（auc）来判断模型的好坏。AUC越大，代表模型性能越好，若AUC=0.5，即ROC曲线与45度角线重合，表示模型的区分能力与随机猜测没有差别。

ROC曲线

4、回归模型的评价指标

1、均方误差MSE

2、均方根误差RMSE

3、平均绝对误差MAE

4、R Square

均方根误差和平均绝对误差依据数据本身的量纲，不同的模型不具有可比性，没有分类准确率这样统一在0-1之间取值的性质。因此，出现了R square统计量。

R square优点：

（1）对于分子来说，预测值和真实值之差的平方和，即使用我们的模型预测产生的错误。

（2）对于分母来说，是均值和真实值之差的平方和，即认为“预测值=样本均值”这个模型（Baseline Model）所产生的错误。

（3）我们使用Baseline模型产生的错误较多，我们使用自己的模型错误较少。因此用1减去较少的错误除以较多的错误，实际上是衡量了我们的模型拟合住数据的地方，即没有产生错误的相应指标。

R square结论：

（1）R square<=1

（2）R square越大越好，越大说明减少的分子小，错误率低。其最大值为1。

（3）当我们的模型等于基准模型时，R square = 0

（4）如果R square<0，说明我们学习到的模型还不如基准模型。此时，很可能我们的数据不存在任何线性关系。