一、使用sklearn.metric包中的性能度量函数
（一）分类器性能指标
精度-召回率-F度量（Precision-Recall-F_measures）损失函数(Loss Function)
接收机操作曲线(ROC Curves)
1、只限于二元单标签分类问题的评估指标
（1）matthews_corrcoef(y_true,y_pred[,…]计算二元分类中的Matthews相关系数（MCC）
（2）precision_recall_curve(y_true,probas_pred)在不同的概率阈值下计算precision-recall点，形成曲线
（3）roc_curve(y_true,y_score[,pos_label,…])计算ROC曲线
2、可用于二元多标签分类问题的评估指标
（1）average_precision_score(y_true,y_score[,…])计算预测得分的平均精度（mAP）
（2）roc_auc_score(y_true,y_score[,averge,…]计算预测得分的AUC值
3、可用于多类分类问题的评估指标
（二）回归器性能指标
（三）聚类器性能指标
（四）两两距离测度
相关文章：