这会涉及到准确率、召回率等多个指标。自己算的话会很繁琐，在Python的scikit-learn（通常简称为sklearn）库中，模型性能评估变得非常方便，以下是一些常用的模型测评方法，我们直接上代码！演示一下在sklearn中如何进行模型效果评估。
from sklearn.model_selection import train_test_splitfrom sklearn.linear_model import LogisticRegressionfrom sklearn.metrics import confusion_matrix# 划分训练集和测试集X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)# 初始化逻辑回归模型model = LogisticRegression()# 训练模型model.fit(X_train, y_train)# 预测测试集y_pred = model.predict(X_test)
然后，我们运用混淆矩阵来看一下预测的效果如何。confusion_matrix功能存在于sklearn.metrics模块中，用之前记得先加载哦！