博客

1. 用法概览
   
   1.1 分类
   
   函数 功能
   
   metrics.accuracy_score 准确率
   
   metrics.balanced_accuracy_score 在类别不均衡的数据集中，计算加权准确率
   
   metrics.top_k_accuracy_score 获得可能性最高的k个类别
   
   metrics.average_precision_score 根据预测分数计算平均精度 (AP)
   
   metrics.brier_score_loss Brier 分数损失
   
   metrics.f1_score F1 score
   
   metrics.log_loss 交叉熵损失
   
   metrics.precision_score 精确率
   
   metrics.recall_score 召回率
   
   metrics.jaccard_score Jaccard 相似系数得分
   
   metrics.roc_auc_score 根据预测分数计算 Area Under the Receiver Operating Characteristic Curve(ROC AUC) 下的面积
   
   metrics.cohen_kappa_score 衡量注释间一致性的统计量
   
   1.2 聚类
   
   函数 功能
   
   metrics.adjusted_mutual_info_score 两个聚类之间的调整互信息(AMI)
   
   metrics.adjusted_rand_score 调整兰德指数
   
   metrics.completeness_score 给定GT的集群标记的完整性度量
   
   metrics.fowlkes_mallows_score 测量一组点的两个聚类的相似性
   
   metrics.homogeneity_score 同质性指标
   
   metrics.mutual_info_score 互信息
   
   metrics.normalized_mutual_info_score 标准化互信息
   
   metrics.rand_score 兰德指数
   
   metrics.v_measure_score V测度得分
   
   1.3 回归
   
   函数 功能
   
   metrics.explained_variance_score 解释方差回归评分函数
   
   metrics.mean_absolute_error 平均绝对误差
   
   metrics.mean_squared_error 均方误差
   
   metrics.mean_squared_log_error 平均平方对数误差
   
   metrics.median_absolute_error 中位数绝对误差
   
   metrics.r2_score

本文为复制粘贴他人文章，为了方便自己学习。原文链接：https://blog.csdn.net/Z201209/article/details/126836993