一份非常全面的機器學習分類與迴歸演算法的評估指標彙總

讀完 ofollow,noindex"> 機器學習演算法常識 之後，你已經知道了什麼是欠擬合和過擬合、偏差和方差以及貝葉斯誤差。在這篇給大家介紹一些機器學習中離線評估模型效能的一些指標。

當我們訓練得到了多個模型之後，如何衡量這幾個模型的效能呢？也就是說我們需要一個能夠衡量模型“好壞”的標準，我們稱之為評估指標。在對比不同的模型效果時，使用不同的評估指標往往會導致不同的結論，這也就是說模型的效果好壞是相對的。

針對不同型別的學習任務，我們有不同的評估指標，這裡我們來介紹最常見的分類與迴歸演算法的一些評估指標。

分類指標

生活中大多數的分類問題都屬於二分類問題，所以這裡以二分類為例，來說明下分類相關的一些指標。

正式介紹指標之前，先來普及一些基本概念：有時候“陽性”、“真”、“正類”、“1” 指的是一回事，“陰性”、“假”、“負類”、“0”指的也是一回事。例如模型對這個樣本的預測結果為 1，可以認為模型對這個樣本的預測結果為真、或者為正類、或者為陽性，其實說的都是一個意思。

混淆矩陣

混淆矩陣 （confusion matrix）是一個評估分類問題常用的工具，對於 k 元分類，其實它就是一個k x k的表格，用來記錄分類器的預測結果。對於常見的二分類，它的混淆矩陣是 2x2 的。

在二分類中，可以將樣本根據其真實結果和模型的預測結果的組合劃分為真陽性（true positive，TP）、真陰性（true negative，TN）、假陽性（false positive，FP）、假陰性（false negative，FN）。根據 TP、TN、FP、FN 即可得到二分類的混淆矩陣。

準確度

準確率 （accuracy）是指模型預測正確（包括預測為真正確和預測為假正確）的樣本數量佔總樣本數量的比例，即

其中， 表示模型正確分類的樣本個數， 表示所有的樣本個數。

在二分類中，準確率可以通過下面的計算公式得到。

準確率是分類問題中的一個最簡單也最直觀的評估指標，但是準確率存在一些侷限性。比如，在二分類中，當負樣本佔比 99 %時，如果模型把所有樣本都預測為負樣本也能獲得 99% 的準確率。雖然準確率看起來很高，但是其實這個模型時沒有用，因為它找不出一個正樣本。

精確率

精確率 （precision）是指模型預測為真，實際也為真的樣本數量佔模型預測所有為真的樣本數量的比例，即

舉例來說明，比如警察要抓小偷，抓了 10 個人，其中有 6 個人是小偷，那麼精確率就是 6/10 = 0.6。

召回率

召回率 （recall）有時候也叫查全率，是指模型預測為真，實際也為真的樣本數量佔實際所有為真的樣本數量的比例，即

舉例來說明，還是上面的警察抓小偷的例子，抓了 10 個人，其中 6 個人是小偷，還有另外 3 個小偷逃之夭夭，那麼召回率就是 6 / ( 6 + 3) ≈ 0.67。

F1值/Fα值

一般來說，精確率和召回率是互斥的，也就是說精確率高的話，召回率會變低；召回率高的話，精確率會變低。所以設計了一個同時考慮精確率和召回率的指標 F1值。F1值是精確率和召回率的調和平均，即

在某些場景下，我們對精確率與召回率的關注程度不一樣，這時候，F1值更一般的形式Fα值就能夠滿足。Fα值定義如下

其中，α 的大小表示召回率對精確率的相對重要程度。

多分類的情況

很多時候我們遇到的是多分類問題，這就意味著每兩兩類別的組合都對應一個二元的混淆矩陣。假設得到了 n 個二分類的混淆矩陣，那如何來平均這 n 個結果呢？

巨集平均

第一種辦法就是先在各個混淆矩陣中分別計算出結果，再計算平均值，這種方式稱為“巨集平均”。

微平均

除了上面的巨集平均之外，我們也可以將二元混淆矩陣的對應的元素進行平均，得到 TP、TN、FP、FN 的平均值，然後再根據這些平均值來計算，這種方式稱為“微平均”。

ROC

在前面介紹的這些指標中（如準確率、精確率、召回率等）都需要得到模型預測的結果（正類或負類），對很多模型來說，預測得到的是一個屬於正類的概率值，所以就需要指定一個閾值，閾值以上的為正類，否則為負類。這個與之的大小直接決定了模型的泛化能力。

有一個評估指標叫受試者工作特徵（Receiver Operating Characteristic，ROC）曲線，這種評估指標可以不用指定閾值。ROC曲線的縱軸是真陽率（TPR），橫軸是假陽率（FPR）。

真陽率和假陽率的計算公式如下：

Line"/>

可以發現，TPR和Recall的計算公式是一樣的。那麼如何繪製ROC曲線呢？可以看到，ROC曲線是由一系列 (FPR, TPR)點構成的，但一個特定的模型，只得到一個分類結果，即只有一組 (FPR, TPR)，對應ROC曲線上的一個點，如何得到多個呢？

我們將模型對所有樣本的預測值（屬於正類的概率值）降序排列，然後依次將預測的概率值作為閾值，每次得到該閾值下模型預測結果為正類、負類的樣本數，然後生成一組 (FPR, TPR) 值，這樣就可以得到ROC曲線上的一點，最後將所有的點連線起來就出現了ROC曲線。很明顯，閾值設定的次數越多，就會生成更多的 (FPR, TPR) 值，畫出的ROC曲線也就越光滑。也就是說 ROC曲線的光滑程度與閾值設定次數的多少有絕對的關係，與樣本數量沒有必然聯絡 。現實中，我們畫出的 ROC 曲線多數都是不光滑的。

ROC曲線越靠近左上角，表示效果越好。左上角座標為（0,1），即 FPR = 0，TPR = 1，這意味著 FP（假陽性）=0， FN（假陰性）=0，這就是一個完美的模型，因為能夠對所有的樣本正確分類。ROC曲線中的對角線（y=x）上的所有的點都表示模型的區分能力與隨機猜測沒有差別。

AUC

AUC （Area Under Curve）被定義為ROC曲線下的面積，很明顯，AUC的結果不會超過 1，通常ROC曲線都在 y = x 這條直線上面，所以，AUC的值一般在 0.5 ~ 1 之間。

如何理解AUC的作用呢？隨機挑選一個正樣本（P）和負樣本（N），模型對這兩個樣本進行預測得到每個樣本屬於正類的概率值，根據概率值對樣本進行排序後，正樣本排在負樣本前面的概率就是AUC值。

AUC可以通過下面的公式計算得到。

其中，rank為將模型對樣本預測後的概率值從小到大排序後的正樣本的序號（排序從1開始），|P|為正樣本數，|N|為負樣本數。

需要注意的是，如果多個樣本被模型預測的概率值一樣，那麼求rank的時候只需要將這些原始rank加起來求平均即可。所以說 相等概率得分的樣本，無論正負，誰在前，誰在後無所謂。

對數損失

對數損失 （Logistic Loss，logloss）是對預測概率的似然估計，其標準形式為：

對數損失最小化本質是上利用樣本中的已知分佈，求解導致這種分佈的最佳模型引數，使這種分佈出現概率最大。

對數損失對應的二分類的計算公式為：

其中，N為樣本數， ， 為第i個樣本預測為1的概率。

對數損失在多分類問題中也可以使用，其計算公式為：

其中，N為樣本數，C為類別數， 表示第i個樣本的類別為j， 為第i個樣本屬於類別j的概率。

logloss衡量的是預測概率分佈和真實概率分佈的差異性，取值越小越好。

迴歸指標

在迴歸學習任務中，我們也有一些評估指標，一起來看看吧！

平均絕對誤差

平均絕對誤差 （Mean Absolute Error，MAE）公式為：

其中，N為樣本數，為第i個樣本的真實值，為第i個樣本的預測值。

均方誤差

均方誤差 （Mean Squared Error，MSE）公式為：

平均絕對百分誤差

平均絕對百分誤差 （Mean Absolute Percentage Error，MAPE）公式為：

MAPE通過計算絕對誤差百分比來表示預測效果，其取值越小越好。如果MAPE=10，這表明預測平均偏離真實值10%。

由於MAPE計算與量綱無關，因此在特定場景下不同問題具有一定可比性。不過MAPE的缺點也比較明顯，在 處無定義。另外需要注意的是，MAPE對負值誤差的懲罰大於正值誤差，比如預測一個酒店消費是200元，真實值是150元的會比真實值是250的MAPE大。

均方根誤差

均方根誤差 （Root Mean Squared Error）的公式為：

RMSE代表的是預測值和真實值差值的樣本標準差。和MAE相比，RMSE對大誤差樣本有更大的懲罰。不過RMSE有一個缺點就是對離群點敏感，這樣會導致RMSE結果非常大。

基於RMSE也有一個常用的變種評估指標叫 均方根對數誤差 （Root Mean Squared Logarithmic Error，RMSLE），其公式為：

RMSLE對預測值偏小的樣本懲罰比預測值偏大的樣本懲罰更大，比如一個酒店消費均價是200元，預測成150元的懲罰會比預測成250的大。

R2

R2 （R-Square）的公式為：

R2用於度量因變數的變異中可由自變數解釋部分所佔的比例，一般取值範圍是 0~1，R2越接近1,表明迴歸平方和佔總平方和的比例越大,迴歸線與各觀測點越接近,用x的變化來解釋y值變差的部分就越多,迴歸的擬合程度就越好。

練習題

看完這篇文章，我們來做幾道 練習題 來檢驗下學習成果：

1. 為什麼說ROC曲線的光滑程度與樣本數量沒有絕對的關係呢？

2. 如果一個模型的AUC小於0.5，可能是因為什麼原因造成的呢？

3. 在一個預測流量的場景中，嘗試了多種迴歸模型，但是得到的 RMSE 指標都非常高，考慮下可能是因為什麼原因造成的呢？

4. 在一個二分類問題中，15個樣本的真實結果為[0, 1, 1, 0, 1, 1, 0, 0, 1, 0, 1, 0, 1, 0, 0]，模型的預測結果為[1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 1, 1, 1, 0, 1]，計算準確率、精確率、召回率以及F1值。

5. 在一個二分類問題中，7個樣本[A, B, C, D, E, F, G]的真實結果為[1, 1, 0, 0, 1, 1, 0]，模型的預測概率為[0.8, 0.7, 0.5, 0.5, 0.5, 0.5, 0.3]，計算AUC值。

以上所有的練習題答案我都會公佈在我的知識星球中，方便後續做一個知識沉澱； 另外，關於文章有任何疑問或者想要深入學習與交流，都可以加入我的知識星球來交流 （加入方式：掃描下方 二維碼 或者點選“ 閱讀 原文 ”）。