机器学习第二周打卡：分类评价+线性回归+拆分训练集和测试集方法

分类评价结果

我们使用分类算法将训练集进行分类后，我们怎么判定分类算法的好坏，就需要用到相关指标。

混淆矩阵
使用条件：对于极度偏斜的数据，是不能使用混淆矩阵的。比如99.9%的人都会患癌症等。

其中，
精准率=TP/(FP+TP)，即预测值里面，准确的数据占比是多少。
召回率=TP/(FN+TP)，即真实值里面，准确被预测的数据占比是多少。
那接下来的问题，两个指标中，在某个模型中，达到什么样的数据才是最好的？有没有可能混合成一个指标=两个指标的加权数值？
这种的话，就需要看需求进行评判了，当然能也有混合成一个指标的指标，即F1 SCORE，

sklearn调用方法：

from sklearn.metrics import confusion_matrix
confusion_matrix