分类 - Classification

使用场景及限制：

• 建议在测试数据集上运行，通过比较目标变量的真实数据和预测数据，用来评估分类模型的预测效果。
• 支持 1-1，1-n，n-n 的比较，多用于评估比较不同分类模型在同一数据集上的预测效果。
• 数据必须为 int 或者 str，不支持 float。
• 模糊搜索（ *）只能在 1-n 的情况下使用。

通用语法：

..| score <scoring-method-name> [options] <actual_field_1> ... <actual_field_n> against <predicted_field_1> ... <predicted_field_n>

以下算法评估方式可以用来评估分类模型的预测效果。

• 准确性 - Accuracy
• 混淆矩阵 - Confusion Matrix
• 精確率 - Precision
• 召回率 - Recall
• F-1 值 - F1-score
• 精确率-召回率-Fn 值-支持率 - Precision-Recall-FScore-Support
• AUC 值 - ROC-AUC-Score