【机器学习（9）】分类模型的常用评价指标：准确率Accuracy、查准率Precision、查全率Recall、图形面积AUC

野性酷女 2023-07-11 11:29 68阅读 0赞

#### 模型评价：分类模型的常用评价指标 ####

1） 基本指标：误差率  
        指标解释：错分类样本占总样本的比例

2） 基本指标：准确率  
        指标解释：正确分类样本占总样本的比例  
        指标解读：准确率越接近1，模型越准确

3） 混淆矩阵（`二分类问题`）  
![在这里插入图片描述][20200305154130278.png]  
4） 衍生指标：查准率（precision）  
        指标解释：所有真正例占所有预测为正的样本的比例(`TP/(TP+FP)`)  
        指标举例：在商品推荐的过程中，我们会关心所有推荐给用户的商品（预测为正）中有多少是客户真正喜欢的（真正例）

5） 衍生指标：查全率（recall）  
        指标解释：所有真正例占所有真实为正的样本的比例(`TP/(TP+FN)`)  
        指标举例：在银行用户风险识别中，我们会关心，所有有风险的用户，有多少能被我们的模型识别出来

6） 其他指标：ROC曲线与AUC值  
        ROC曲线：以真正例比率为纵轴、假正例率为横轴，采用不同的截断点，来绘制ROC曲线  
        AUC值：ROC曲线与坐标轴构成的图形面积  
        指标解读：`auc指标越接近1`，`则代表模型准确率越高`，auc值等于0.5，代表模型准确率与随机猜测准确率一致，auc值小于0.5：模型效果不如随机猜测

#### 使用sklearn查看回归模型的各项指标 ####

由于这里是分类问题，那么指标就不再是之前的数值指标，而应该是类型指标，这里按照平均价格的中位数来进行房价高低的划分，其他的和上一个回归模型的处理是一致的，都需要先处理掉共线数据

**1） 加载数据并对数据进行处理**

import pandas as pd
    import matplotlib.pyplot as plt
    import os
    os.chdir(r'C:\Users\86177\Desktop')
    # 样例数据读取
    df = pd.read_excel('realestate_sample_preprocessed.xlsx')
    # 根据共线性矩阵，保留与房价相关性最高的日间人口，将夜间人口和20-39岁夜间人口进行比例处理
    def age_percent(row):
        if row['nightpop'] == 0:
            return 0
        else:
            return row['night20-39']/row['nightpop']
    df['per_a20_39'] = df.apply(age_percent,axis=1)
    df = df.drop(columns=['nightpop','night20-39'])
    # 制作标签变量
    price_median = df['average_price'].median()
    print(price_median)
    df['is_high'] = df['average_price'].map(lambda x: True if x>= price_median else False)
    print(df['is_high'].value_counts())
    # 数据集基本情况查看
    print(df.shape)
    print(df.dtypes)
    print(df.isnull().sum())

–> 输出的结果为：

30273.0
    
    True     449
    False    449
    Name: is_high, dtype: int64
    
    (898, 10)
    
    id                 int64
    complete_year      int64
    average_price    float64
    area             float64
    daypop           float64
    sub_kde          float64
    bus_kde          float64
    kind_kde         float64
    per_a20_39       float64
    is_high             bool
    dtype: object
    
    id               0
    complete_year    0
    average_price    0
    area             0
    daypop           0
    sub_kde          0
    bus_kde          0
    kind_kde         0
    per_a20_39       0
    is_high          0
    dtype: int64

**2） 划分数据集**

x = df[['complete_year','area', 'daypop', 'sub_kde',
           'bus_kde', 'kind_kde','per_a20_39']]
    y = df['is_high']
    print(x.shape)
    print(y.shape)

–> 输出的结果为：（和之前的不同就是在于这里的y值）

(898, 7)
    (898,)

**3） 建立分类模型**

使用pipeline整合数据处理、特征筛选与模型

import numpy as np
    from sklearn.linear_model import LogisticRegression
    from sklearn.model_selection import KFold
    from sklearn.preprocessing import StandardScaler, PowerTransformer
    from sklearn.preprocessing import PolynomialFeatures
    from sklearn.pipeline import Pipeline
    # 构建模型工作流
    pipe_clf = Pipeline([
            ('sc',StandardScaler()),
            ('power_trans',PowerTransformer()),
            ('polynom_trans',PolynomialFeatures(degree=3)),
            ('lgostic_clf', LogisticRegression(penalty='l1', fit_intercept=True, solver='liblinear'))
            ])
    print(pipe_clf)

–> 输出的结果为：（回归选择的`逻辑回归，惩罚系数选择L1`，相当于是逻辑回归版本的`lasso`模型）

Pipeline(memory=None,
             steps=[('sc',
                     StandardScaler(copy=True, with_mean=True, with_std=True)),
                    ('power_trans',
                     PowerTransformer(copy=True, method='yeo-johnson',
                                      standardize=True)),
                    ('polynom_trans',
                     PolynomialFeatures(degree=3, include_bias=True,
                                        interaction_only=False, order='C')),
                    ('lgostic_clf',
                     LogisticRegression(C=1.0, class_weight=None, dual=False,
                                        fit_intercept=True, intercept_scaling=1,
                                        l1_ratio=None, max_iter=100,
                                        multi_class='warn', n_jobs=None,
                                        penalty='l1', random_state=None,
                                        solver='liblinear', tol=0.0001, verbose=0,
                                        warm_start=False))],
             verbose=False)

**4） 查看模型表现**

import warnings
    from sklearn.metrics import accuracy_score, precision_score, recall_score, roc_auc_score
    warnings.filterwarnings('ignore')
    pipe_clf.fit(x,y)
    y_predict = pipe_clf.predict(x)
    print(f'Accuracy score is: {accuracy_score(y,y_predict)}')
    print(f'Precision score is: {precision_score(y,y_predict)}')
    print(f'Recall score is: {recall_score(y,y_predict)}')
    print(f'AUC: {roc_auc_score(y,y_predict)}')

–> 输出的结果为：（全部的指标都可以调用sklearn的模块）

Accuracy score is: 0.8741648106904232
    Precision score is: 0.8783783783783784
    Recall score is: 0.8685968819599109
    AUC: 0.8741648106904232

[20200305154130278.png]: https://img-blog.csdnimg.cn/20200305154130278.png