机器学习重要评价指标

为了里哦阿姐模型的泛化能力，我们需要用某个指标来衡量，有了一个指标就可以对比不同的模型，从而知道那个模型相对较好，哪个相对较差，同通过这个指标进一步调参逐步优化我们的模型

1.准确率

准确率是预测正确的结果占总样本的百分比。

准确率 = （TP+TN）/（TP+TN+FP+FN）

由于样本不平衡的问题，导致了高准确率结果含有很大的水分，即如果样本不平衡，准确率就会失效。

2.精准率（precision）

精准率也叫查准率，是针对预测结果而言，是在所有被预测为证的样本中实际为正样本的概率

精准率 = TP / （TP+FP）

3.召回率（Recall）

也叫查全率，他是针对原样本而言，是在实际为正的样本中被预测为正样本的概率。

召回率 = TP /（TP+FN）

召回率越高，代表世界坏用户被预测出来的概率越高，哪网贷违约率为例，相对好用户，我们更关心坏用户，如果过多的将坏用户当成好用户，就会损失严重。

4.F1分数

F1分数考虑了查准率和查全率，让两者同时达到最高，取一个平衡

F1 = 2×查准率×查全率 / （查准率 + 查全率）

逻辑回归输出是一个0到1之间的概率数字，如果需要判断用户好坏，就必须定义一个阈值，即阈值为0.5的情况下，可以得到相应的查准率和查全率，若要找到一个最合适的阈值满足要求，我们就需要便利0到1之间的所有阈值，而每一个阈值下都对应着一对查准率和查全率，从而得到我们这条曲线。