模型评估可以用在模型类型、调节参数及特征组合中。通过模型评估来估计训练得到的模型对于非样本数据的泛化能力，并且还需要恰当的模型评估度量手段来衡量模型的性能表现。
通常在回归问题可以采用平均绝对误差（Mean Absolute Error）、均方误差（Mean Squared Error）、均方根误差（Root Mean Squared Error），而分类问题则采用分类准确率和混淆矩阵的方法，也就是今天要讲述的方法。
分类准确率
分类准确率分数是指所有分类正确的百分比。sklearn库中有直接调用它的方法
sklearn.metrics.accuracy_score(y_true, y_pred, normalize=True, sample_weight=None)
参数 含义 y_ture 真实标签值 y_pred 预测标签值 normalize 返回结果的形式，False返回正确分类的样本数，True返回正确分类样本的分数 sample_weight 样本权重 分类准确率可能是一个较好的结果评估方法，但却不是一个好的模型度量方法，不能通过它观察任何有关测试数据的潜在分布。
换句话说，该训练的模型可能会在比例较高的那项类别的预测中预测正确，而在另外一种类别的预测中预测失败，而我们没法从分类准确率这项指标中发现这个问题。
那么就得通过混淆矩阵来解决这个问题。
混淆矩阵
混淆矩阵可以理解为就是一张表格，话不多说，先把表格放上。（positive代表1，negative代表0，即一般的二分类问题）
真实值
positive negative 预测值
positive TP FP negative FN TN
- True Positive(TP): 被正确预测为正类的正类样本数量；
- False Positive(FP): 被错误预测为负类的正类样本数量；
- False Negative(FN): 被错误预测为正类的负类样本数量；
- True Negative(TN): 被正确预测为负类的负类样本数量。
只通过这些数据可能无法直观的观察模型的优劣，则需要下面的四个指标：
准确率(Accuracy): 评价分类器性能的一般性指标就是分类的准确率，它统计的是在给定的测试集上，分类器正确分类的样本数与总测试样本数之比：
精确率(Precision): 精确率在数据挖掘中也可以称为置信度，它关注的是在给定的测试数据集上，被正确预测为正类的样本数占总的被预测为正类样本数的比例：
召回率 (Recall): 召回率，又可以称为查全率，它关注的是在给定的测试数据集上，被正确预测为正类的样本数占测试数据中正类样本数的比例：
F1分数(F1 score或F1 measure): F1分数是精确率和召回率的调和均值:
同样的，sklearn也提供了相应的工具以便直接使用：
准确率：sklearn.metrics.accuracy_score(y_test, y_pred)
精确率：sklearn.metrics.precision_score(y_test, y_pred)
召回率：sklearn.metrics.recall_score(y_test, y_pred)
F1分数：sklearn.metrics.f1_score(y_test, y_pred)
混淆矩阵使得我们对一个分类器性能的表现有了更全面的认识，同时通过计算各种分类后的指标，进行模型选择。
除此之外，还有另外两个指标ROC曲线和AUC值，感兴趣的同学可参考ROC曲线和AUC面积理解和ROC曲线与AUC值