이런 성능 지표들이 모두 사이킷런에 구현되어 있습니다. 다음 예처럼 sklearn.metrics 모듈에서 임포트하여 사용합니다.
>>> from sklearn.metrics import precision_score
>>> from sklearn.metrics import recall_score, f1_score
>>> from sklearn.metrics import matthews_corrcoef
>>> pre_val = precision_score(y_true=y_test, y_pred=y_pred)
>>> print(f'정밀도: {pre_val:.3f}')
정밀도: 0.976
>>> rec_val = recall_score(y_true=y_test, y_pred=y_pred)
>>> print(f'재현율: {rec_val:.3f}')
재현율: 0.952
>>> f1_val = f1_score(y_true=y_test, y_pred=y_pred)
>>> print(f'F1: {f1_val:.3f}')
F1: 0.964
>>> mcc_val = matthews_corrcoef(y_true=y_test, y_pred=y_pred)
>>> print(f'MCC: {mcc_val:.3f}')
MCC: 0.943
또한, GridSearchCV의 scoring 매개변수를 사용하여 정확도 대신 다른 성능 지표를 사용할 수 있습니다. scoring 매개변수에 사용할 수 있는 전체 리스트는 온라인 문서를 참고하세요(http://scikit-learn.org/stable/modules/model_evaluation.html).