对于分类模型，在建立好模型后，我们想对模型进行评价，常见的指标有混淆矩阵、KS曲线、ROC曲线、AUC面积等。也可以自己定义函数，把模型结果分割成n(100)份，计算top1的准确率、覆盖率。      本文详细阐述混淆矩阵的原理和Python实现实例，其它指标会在后续文章中详尽阐述，敬请期待。   

  混淆矩阵是用于评价分类模型效果的NxN矩阵，其中N是目标类别的数目。矩阵将实际类别和模型预测类别进行比较，评价模型的预测效果。比如样本的实际类别是狗，若模型预测类别也是狗，则说明对于该样本模型预测对了。若模型预测类别为猫，则说明对于该样本模型预测错了。对全部样本数据进行统计，可以判断模型预测对了的样本数量和预测错了的样本数量，从而可以衡量模型的预测效果。      

     以分类模型中最简单的二分类为例。假如我们有一批顾客是否买某种产品的样本数据，顾客买了产品我们标记为positive，没买标记为negative。现在通过分类模型训练这批样本，根据模型结果可以知道模型认为哪些顾客会买(预测的positive)，哪些顾客不会买(预测的negative)。因此我们可以得到以下四个一级指标：   

TP(True Positive)：真实值是positive，模型认为是positive的数量，即模型预测正确的正例数量。

FN(False Negative)：真实值是positive，模型认为是negative的数量，即模型预测错误的正例数量，这是统计学上的第二类错误(Type II Error)。

FP(False Positive)：真实值是negative，模型认为是positive的数量，即模型预测错误的负例数量，这是统计学上的第一类错误(Type I Error)。

TN(True Negative)：真实值是negative，模型认为是negative的数量，即模型预测正确的负例数量。    将这四个指标统计到一个矩阵表格中，就得到了混淆矩阵(Confusion Matrix)。      

  为了便于大家记忆，可以把混淆矩阵中的P和N看成模型的预测结果positive和negative，这里的positive和negative不表示好和坏，只表示模型的类别1(positive)和0(negative)。T和F看成模型预测是否正确，模型预测正确标记为T，预测错误标记为F。比如TP表示模型预测为positive，且模型预测正确的样本数量，即样本实际类别为positive，模型预测类别为positive的样本数量。FP表示模型预测为positive，且模型预测错误的样本数量，即样本实际类别为negative，模型错误地预测成了positive的样本数量。

     对于预测性分类模型，我们希望模型的预测结果越准越好，即混淆矩阵中TP、TN的值越大越好，相应FP、FN的值越小越好。但是，混淆矩阵里统计的是数量，在数据量很大的情况下很难一眼判断出模型的优劣。因此，在混淆矩阵的基本统计结果上又衍生了如下4个指标(可以理解为二级指标,类似于特征工程里的衍生变量):      

  通过上面的四个二级指标，可以将混淆矩阵中的数量结果转化为0-1之间的比率，便于我们直观地对模型进行评价。在这四个指标的基础上进行衍生，还可产生一个三级指标。      

   这个三级指标就是统计学中F1-Score，计算公式如下：

   其中，P表示精确率(Presicion)，R表示召回率(Recall)，即灵敏度。F1-Score的取值范围（0~1），越接近1说明模型预测效果越好。      

     当分类问题是多分类时，只要把其中一类当成一组，另外的所有类当成另一组，就可以转化成二分类问题，接下来讲一个二分类计算混淆矩阵三级指标的具体实例。假设我们模型的目的是预测一批顾客是否会购买某种产品，我们的结果如下：         

TP(True Positive)：真实值是买产品，模型认为是买产品的顾客数量，即模型预测正确的正例数量，在该例中值为800。

FN(False Negative)：真实值是买产品，模型认为是不买产品的顾客数量，即模型预测错误的正例数量，在该例中值为30。

FP(False Positive)：真实值是不买产品，模型认为是买产品的顾客数量，即模型预测错误的负例数量，在该例中值为70。

TN(True Negative)：真实值是不买产品，模型认为是不买产品的数量，即模型预测正确的负例数量，在该例中值为100。      

准确率(Accuracy)：总共1000个顾客，我们一共预测对了800+100=900个样本，所以准确率为90%。

精确率(Precision)：模型结果告诉我们，1000个顾客里有870个顾客会买产品，但其实这870个顾客里只有800个顾客实际买了产品，70个顾客没有买产品。所以，精确率为800/870=91.95%。

灵敏度/召回率(Recall)：在830个实际购买了产品的顾客中，模型认为有800个顾客会购买产品，30个顾客不会购买产品，所以召回率为800/830=96.38%。

特异度(Specificity)：在170个实际不买产品的顾客中，模型认为有100个不会购买产品，70个会购买产品，所以特异度为100/170=58.82%。   

     通过公式，可以计算出F1-Score=(2*91.95%*96.38%)/(91.95%+96.38%)=0.94

     接下来展示模型判断一批商户是否存在赌博风险的数据，利用这批数据绘制混淆矩阵。flag列是真实标签，1代表商户存在赌博行为，0代表商户不存在赌博行为。pred列是模型预测标签，1代表模型预测商户存在赌博行为，0代表模型预测商户不存在赌博行为。      

打印数据前几行，得到如下结果 注：如需上述数据实现本文代码，可在公众号中回复“混淆矩阵”，即可免费获取。    我们可以根据模型的风险概率(prob)和想要的准确率、覆盖率，人为确定当风险概率大于某个值时模型认为该商户存在赌博风险，当风险概率小于该值时模型认为该商户不存在赌博风险。很多情况下，这个阈值划定为0.5，即模型认为风险概率大于0.5的商户存在赌博风险，小于0.5的商户不存在赌博风险。    一般要根据行业和风险类别确定这个阈值，本文pred划定的阈值为0.7，即当风险概率值大于0.7时模型认为该商户存在赌博风险并标记为1，小于0.7时模型认为该商户不存在赌博风险并标记为0。      

得到结果如下：   

   我把阈值设定成了0.1、0.2一直到0.9，可以看下不同阈值对应的模型准确率、召回率等指标。通过指标数值推测未来排查名单的概率阈值。

得到结果如下： 至此混淆矩阵的内容讲解全部结束，如有疑问可以在公众号中私信我。      

参考文献

   你可能感兴趣: 用Python绘制皮卡丘 用Python绘制词云图 Python画好看的星空图（唯美的背景） 用Python中的py2neo库操作neo4j，搭建关联图谱 Python浪漫表白源码合集（爱心、玫瑰花、照片墙、星空下的告白）