分類モデルの評価③（分類レポート）

前回までは、正解率や適合率、再現率、F1値などの評価指標を個別に確認してきましたが、scikit-learnにはそれらの指標をまとめて出力してくれる関数が用意されています。

分類レポート

classification_reportを使って、分類レポートを出力します。

[Google Colaboratory]

1
2
3
4
5
6
from sklearn.metrics import classification_report

print("Train Score Report")
print(classification_report(y_train,y_train_pred))
print("Test Score Report")
print(classification_report(y_test,y_test_pred))

[実行結果]

悪性を陽性としたケースだけでなく、良性を陽性としたケースでの各評価指標も算出しています。

また、カテゴリごとの指標のマクロ平均(macro avg)や、サンプル数(support)に応じて重み付けを行った平均(weighted avg)も出力されています。

分類レポートは、モデル精度の全体像を確認するのに非常に有効ですので、分類の評価フェーズで積極的に活用していきましょう。