题解|计算分类模型的性能指标

分类模型的性能指标包括准确率（accuracy）、精确率（precision）、召回率（recall）、F1分数（F1_score）、ROC曲线（ROC_curve）、AUC（AUC）等。本题具体使用的性能指标如下

1. 混淆矩阵（Confusion Matrix）:

其中，TP是真阳性，TN是真阴性，FP是假阳性，FN是假阴性。

1. 准确率（Accuracy）:

1. F1分数（F1 Score）:

其中，Precision = ，Recall = 。

1. 特异度（Specificity）:

1. 负预测值（Negative Predictive Value）:

标准代码如下

from collections import Counter 
def performance_metrics(actual: list[int], predicted: list[int]) -> tuple:
    data = list(zip(actual, predicted))
    counts = Counter(tuple(pair) for pair in data)
    TP, FN, FP, TN = counts[(1, 1)], counts[(1, 0)], counts[(0, 1)], counts[(0, 0)]
    confusion_matrix = [[TP, FN], [FP, TN]]
    accuracy = (TP + TN) / (TP + TN + FP + FN)
    precision = TP / (TP + FP)
    recall = TP / (TP + FN)
    f1 = 2 * precision * recall / (precision + recall)
    negativePredictive = TN / (TN + FN)
    specificity = TN / (TN + FP)
    return confusion_matrix, round(accuracy, 3), round(f1, 3), round(specificity, 3), round(negativePredictive, 3)