模型评估（度量）
包sklearn.metrics
sklearn.metrics包含评分方法、性能度量、成对度量和距离计算
分类结果度量
参数大多是y_true和y_pred
- accuracy_score:分类准确度
- condusion_matrix:分类混淆矩阵
- classification_report:分类报告
- precision_recall_fscore_wupport:计算精确度、召回率、f、支持率
- jaccard_similarity_score:计算jcarrd相似度
- hamming_loss:计算汉明损失
- zero_one_loss:0-1损失
- hinge_loss:计算hinge损失
- log_loss:计算log损失
回归结果度量
- explained_varicance_score:可解释方差的回归评分函数
- mean_absolute_error:平均绝对误差
- mean_squared_error:平均平方误差
多标签的度量
- coverage_error:涵盖误差
- label_ranking_average_precision_score:计算基于排名的平均误差label ranking average precision （LRAP）
聚类的度量
- adjusted_mutual_info_score:调整的互信息评分
- silhouette_score:所有样本的轮廓系数的平均值
- silhouette_sample:所有样本的轮廓系数
