パッケージは同じです:from sklearning.metrics import ...

confusion_matrix(y_true, y_pred)

accuracy_score(y_true, y_pred)

precision_score(y_true, y_pred)

recall_score(y_true, y_pred)

fbeta_score(y_true, y_pred, beta)

f1_score(y_true, y_pred)

classfication_report(y_true, y_pred)

roc_curve

auc

混同マトリクス(y true,y pred):分類結果テーブル

分類結果テーブルは、ターゲットの元のクラスとモデル予測の競合が一致するかどうかを示すメトリック結果をカウントします.

-使用方法

分類結果テーブルの出力

from sklearn.metrics import confusion_matrix
y_true = [2, 0, 2, 2, 0, 1]
y_pred = [0, 0, 2, 2, 0, 2]

confusion_matrix(y_true, y_pred)

分類レポート(y true,y pred):分類レポート

-使用方法

from sklearn.metrics import classification_report

y_true = [0, 0, 0, 1, 1, 0, 0]
y_pred = [0, 0, 0, 0, 1, 1, 1]

print(classification_report(y,y_pred,target_names=['class 0','class 1']))

精度score(y true,y pred):計算精度

-使用方法

from sklearn.metrics import accuracy_score

accuracy_score(y1, y1_pred)