1、f1,auc介绍

2、如何计算

这里采用的是华数杯附件一中的数据

import numpy as np
from sklearn.svm import SVC
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import MinMaxScaler
from sklearn.metrics import classification_report
import pandas as pd
from imblearn.over_sampling import SMOTE
from collections import Counter
from sklearn.metrics import roc_auc_scoredf = pd.read_excel('2.xlsx')
X =df.iloc[:,2:-1]
y = df.iloc[:,-1]
print(Counter(y))smo = SMOTE(sampling_strategy=0.6, random_state=2021)
X_smo,y_smo = smo.fit_resample(X,y)
print(Counter(y_smo))Scaler = MinMaxScaler().fit(X_smo)  #数据标准化
X_trainStd = Scaler.transform(X_smo)import pandas as pd
import warnings
from sklearn.preprocessing import scale
from sklearn.model_selection import cross_val_score
from sklearn.linear_model import LogisticRegression
from sklearn.ensemble import RandomForestClassifier
import lightgbm as lgbm
from sklearn.linear_model import LassoCVdf_y = y_smo
df_X = X_trainStdlr = LogisticRegression(random_state=2021,tol=1e-6)
svm = SVC(probability=True,random_state=2021,tol=1e-6)
forest = RandomForestClassifier(n_estimators=100,random_state=2021)
gbm = lgbm.LGBMClassifier(random_state=2021)
LCV = LassoCV(random_state=2021)def muti_score(model):warnings.filterwarnings('ignore')f1_score=cross_val_score(model,df_X,df_y,scoring='f1',cv=5)auc = cross_val_score(model,df_X,df_y,scoring='roc_auc',cv=5)print('F1_score:',f1_score.mean())print('AUC"',auc.mean())model_name = ['lr','forest','svm','gbm','LCV']
for name in model_name:model = eval(name)print(name)muti_score(model)

最终结果

（14）机器学习_f1,auc值相关推荐

机器学习备忘录 | AUC值的含义与计算方法
内容导读在机器学习领域, AUC 值经常用来评价一个二分类模型的训练效果,对于许多机器学习或者数据挖掘的从业者或在校学生来说, AUC 值的概念也经常被提起,但由于大多数时候我们都是借助一些软件包来 ...
机器学习模型评估指标 - ROC曲线和AUC值
机器学习算法-随机森林初探(1) 随机森林拖了这么久,终于到实战了.先分享很多套用于机器学习的多种癌症表达数据集 https://file.biolab.si/biolab/supp/bi-cance ...
详解机器学习中 ROC曲线、AUC值、正确率、召回率
文章目录前言简介医学图像识别二分类问题 ROC 曲线如何画ROC曲线 AUC 前言简介在分类任务中,人们总是喜欢基于错误率来衡量分类器任务的成功程度.错误率指的是在所有测试样例中错分的样例比例 ...
python可视化多个机器学习模型在独立测试集（test data set）上面的AUC值、可视化模型效能
python可视化多个机器学习模型在独立测试集(test data set)上面的AUC值.可视化模型效能 # x_lables为模型名称列表,包括,逻辑回归.朴素贝叶斯.支持向量机.随机森林.xgb ...
python可视化多个机器学习模型在训练集(train set)上交叉验证（cross validation）的AUC值、可视化模型效能
python可视化多个机器学习模型在训练集(train set)上交叉验证(cross validation)的AUC值.可视化模型效能 # 所有的模型中填写的参数都是通过randomsearchcv ...
机器学习之分类性能度量指标 : ROC曲线、AUC值、正确率、召回率
北京 | 高性能计算之GPU CUDA课程11月24-26日3天密集学习快速带你晋级阅读全文> 在分类任务中,人们总是喜欢基于错误率来衡量分类器任务的成功程度.错误率指的是在所有测试样例中错分 ...
机器学习中的度量指标：ROC曲线，AUC值，K-S曲线
机器学习中的度量指标:ROC曲线,AUC值,K-S曲线首先,回顾一下二分类问题的一些定义: 预测 1 0 实 1 TP FN 际 0 FP TN 上表中,四个项分别为:TP真阳性:FN假阴性:FP ...
机器学习之分类器性能指标之ROC曲线、AUC值
机器学习之分类器性能指标之ROC曲线.AUC值 http://www.cnblogs.com/dlml/p/4403482.html 分类器性能指标之ROC曲线.AUC值一 roc曲线 1.roc曲 ...
机器学习之性能度量指标——决定系数R^2、PR曲线、ROC曲线、AUC值、以及准确率、查全率、召回率、f1_score
一.线性回归的决定系数(也称为判定系数,拟合优度) 相关系数是R哈~~~就是决定系数的开方! 正如题所说决定系数是来衡量回归的好坏,换句话说就是回归拟合的曲线它的拟合优度!也就是得分啦~~ 决定系数它 ...
AUC值越大_「机器学习速成」分类，评估指标(TP、FP、TN、FN)，ROC曲线和AUC
大家好,今天我们学习[机器学习速成]之分类,评估指标(TP.FP.TN.FN),ROC曲线和AUC. 本节介绍了如何使用逻辑回归来执行分类任务, 并探讨了如何评估分类模型的有效性. 我们马上学三点 ...

（14）机器学习_f1,auc值

1、f1,auc介绍

2、如何计算

（14）机器学习_f1,auc值相关推荐

最新文章

热门文章