机器学习分类算法常用评价指标

目录

1.  准确率,召回率,精确率,F1-score,Fβ,ROC曲线,AUC值

2. 宏平均(Macro-averaging)和微平均(Micro-averaging)

3. Python3  sklearn实现分类评价指标


1.  准确率,召回率,精确率,F1-score,Fβ,ROC曲线,AUC值

        为了评价模型以及在不同研究者之间进行性能比较,需要统一的评价标准。根据数据挖掘理论的一般方法,评价模型预测能力最广泛使用的是二维混淆矩阵(Confusion matrix)(如下表所示)。

                                                                                            二维混淆矩阵

真实类别

                                                                 预测结果

类别1(正例)

类别2(反例)

类别1(正例)

真正例(True Positive) TP

假反例(False Negatibe) FN

类别2(反例)

假正例(False Positive)FP

真反例(True Negatibe) TN 

(1)准确率(Accuracy)表示正确分类的测试实例的个数占测试实例总数的比例,计算公式为:

(2)召回率(Recall),也叫查全率,表示正确分类的正例个数占实际正例个数的比例,计算公式为:

(3)精确率(Precision),也叫查准率,表示正确分类的正例个数占分类为正例的实例个数的比例,计算公式为:

(4)F1-score是基于召回率(Recall)与精确率(Precision)的调和平均,即将召回率和精确率综合起来评价,计算公式为:

(5) Fβ加权调和平均

          Fβ是F1度量的一般形式,能让我们表达出对查准率、查全率的不同偏好,计算公式如下:

         其中,β>0度量了查全率对查准率的相对重要性。β=1时退化为标准的F1;β>1时查全率有更大影响;β<1时查准率有更大影响。 

(6)度量分类中的非均衡性的工具ROC曲线(ROC Curve)

TPR(True Positive Rate)表示在所有实际为阳性的样本中,被正确地判断为阳性的比率,即:TPR=TP/(TP+FN);    FPR( False Positive Rate)表示在所有实际为阴性的样本中,被错误地判断为阳性的比率,即:FPR=FP/(FP+TN)

ROC曲线是以FPR作为X轴TPR作为Y轴。FPR越大表明预测正类中实际负类越多,TPR越大,预测正类中实际正类越多。ROC曲线如下图所示:

(7)AUC值(Area Unser the Curve)是ROC曲线下的面积,AUC值给出的是分类器的平均性能值。使用AUC值可以评估二分类问题分类效果的优劣,计算公式如下:

      一个完美的分类器的AUC为1.0,而随机猜测的AUC为0.5,显然AUC值在0和1之间,并且数值越高,代表模型的性能越好。

2. 宏平均(Macro-averaging)和微平均(Micro-averaging)

         在n个二分类混淆矩阵上综合考虑查准率和查全率时使用。

(1)宏平均(macro-ave)

         先在各混淆矩阵上分别计算出查准率,查全率和F1,然后再计算平均值,这样就得到“宏查准率”(macro-P)、“宏查全率”(macro-R)、“宏F1”(macro-F1),计算公式分别如下:

(2)微平均(micro-ave)

         先将各混淆矩阵的对应元素进行平均,得到TP、FP、TN、FN的平均值,再基于这些平均值计算出“微查准率”(micro-P)、“微查全率”(micro-R)、“微F1”(micro-F1),计算公式分别如下:

3. Python3  sklearn实现分类评价指标

(1)KC4数据准备:KC4数据下载

(2)使用随机森林实现分类并输出评价指标

# -*- coding: utf-8 -*-

import pandas as pd
from sklearn.ensemble import RandomForestClassifier
from sklearn import metrics
import matplotlib.pyplot as plt

"""
函数说明:文件处理
Parameters:
     filename:数据文件
Returns:
     list_datasets:数据集特征列表
     category_labels:数据标签列表
"""
def data_handle(filename):
    read_data = pd.read_csv(filename)
    list_datasets = []
    category_labels = []
    for i in range(len(read_data)):
        list_data = []
        for j in range(len(read_data.iloc[i, :]) - 1):
            row_data = read_data.iloc[i, j]  # 读取每个样本的每个数据
            list_data.append(row_data)  #将每个数据存入列表
        list_datasets.append(list_data)  #将每个样本的数据存入列表

        row_data_label = read_data.iloc[i, len(read_data.iloc[i, :]) - 1]  # 读取每个样本的类别标签
        if row_data_label == 'N':
            category_labels.append(0)  # 将二分类标签转化为0和1,0代表软件正常,1代表软件缺陷
        else:
            category_labels.append(1)
    return list_datasets, category_labels

"""
函数说明:绘制ROC曲线
Parameters:
     labels:测试标签列表
     predict_prob:预测标签列表
"""
def plot_roc(labels, predict_prob):
    false_positive_rate, true_positive_rate, thresholds = metrics.roc_curve(labels, predict_prob)
    roc_auc = metrics.auc(false_positive_rate, true_positive_rate)  #计算AUC值
    print('AUC=' + str(roc_auc))
    plt.title('PC5-ROC')
    plt.plot(false_positive_rate, true_positive_rate, 'b', label='AUC = %0.4f' % roc_auc)
    plt.legend(loc='lower right')
    plt.plot([0, 1], [0, 1], 'r--')
    plt.ylabel('TPR')
    plt.xlabel('FPR')
    # plt.savefig('figures/PC5.png') #将ROC图片进行保存
    plt.show()

if __name__ == '__main__':
    datasets, labels = data_handle('MDP/KC4.csv')  # 对数据集进行处理
    # 训练集和测试集划分
    X_train = datasets[:115]
    y_train = labels[:115]
    X_test = datasets[90:]
    y_test = labels[90:]
    # 随机森林分类器
    clf = RandomForestClassifier()
    clf = RandomForestClassifier(n_estimators=200, random_state=0)
    clf.fit(X_train, y_train)  # 使用训练集对分类器训练
    y_predict = clf.predict(X_test)  # 使用分类器对测试集进行预测

    print('准确率:', metrics.accuracy_score(y_test, y_predict)) #预测准确率输出
    print('宏平均精确率:',metrics.precision_score(y_test,y_predict,average='macro')) #预测宏平均精确率输出
    print('微平均精确率:', metrics.precision_score(y_test, y_predict, average='micro')) #预测微平均精确率输出
    print('宏平均召回率:',metrics.recall_score(y_test,y_predict,average='macro'))#预测宏平均召回率输出
    print('平均F1-score:',metrics.f1_score(y_test,y_predict,average='weighted'))#预测平均f1-score输出
    print('混淆矩阵输出:',metrics.confusion_matrix(y_test,y_predict))#混淆矩阵输出

    print('分类报告:', metrics.classification_report(y_test, y_predict))#分类报告输出
    plot_roc(y_test, y_predict)  #绘制ROC曲线并求出AUC值


评价指标结果如下:

 

 

参考资料:周志华机器学习  blog

交流学习资料共享欢迎入QQ群:955817470

 

已标记关键词 清除标记
©️2020 CSDN 皮肤主题: 技术黑板 设计师:CSDN官方博客 返回首页