假正专题

python与机器学习(三)——真正(负)率 / 假正(负)例 / ROC / AUC

读取data.csv文件数据完成: 1.分别计算真正例(TP)、真负例(TN)、假正例(FP)、假负例(FN)数量 2.分别计算各类别(正/负例)的精确率(Precision)、召回率(Recall)、F1值(F1-score) 3.分别计算精确率、召回率、F1-score的宏平均(Macro Average)并且计算准确率(Accuracy) 4.绘制ROC曲线并计算曲线下面积AUC (可使用