Python機器學習17：分類模型中常見的七種評估指標的計算

上一篇文章中

從上面示例可以看出，計算這些指標非常簡單，只需選擇我們感興趣的指標並調用相關函數，傳入真正label （testy） 和預測label （yhat_classes）。

三種複雜指標的計算：kappa、auc、混淆矩陣

這三種指標雖然理解上要比前面四種複雜，但是代碼層面計算上，其實和之前差不多。

需要注意的是， AUC的計算需要預測的類概率 （yhat_probs） 作為參數傳入，而不是預測的類 （yhat_classes）

七種指標的綜合運用

下面我們通過一個例子，從訓練數據的產生、模型結構的搭建、訓練與預測，到七種指標的評估，教大家學會靈活使用這幾種指標。