Python机器学习17：分类模型中常见的七种评估指标的计算

上一篇文章中

从上面示例可以看出，计算这些指标非常简单，只需选择我们感兴趣的指标并调用相关函数，传入真正label （testy） 和预测label （yhat_classes）。

三种复杂指标的计算：kappa、auc、混淆矩阵

这三种指标虽然理解上要比前面四种复杂，但是代码层面计算上，其实和之前差不多。

需要注意的是， AUC的计算需要预测的类概率 （yhat_probs） 作为参数传入，而不是预测的类 （yhat_classes）

七种指标的综合运用

下面我们通过一个例子，从训练数据的产生、模型结构的搭建、训练与预测，到七种指标的评估，教大家学会灵活使用这几种指标。