对于不同类型的模型，会有不同的评估指标，那么我们从最直接的回归和分类这两个类型，对于结果连续的回归问题，

一般使用的大致为:MSE(均方差),MAE（绝对平均差）,RMSE(根均方差)这三种评估方法，这三种方式公式此处补贴出来。

对于离散的分类问题，我们一般看ROC曲线，以及AUC曲线，一般好的模型，ROC曲线，在一开始就直接上升到1,然后一直保持1，也就是使得AUC=1.0或者尽可能的让其

接近这个值，这是我们奋斗的目标.

摘个实际的例子：--出自《预测分析核心算法》这本书.

1 #-*-coding:utf-8-*- 2 __author__ ='gxjun' 3 import pandas as pd 4 import matplotlib.pyplot as plt 5 from pandas import DataFrame 6 from random import uniform 7 import math  8 import numpy as np 9 import random 10 import pylab as pl11 from sklearn import datasets,linear_model12 from sklearn.metrics import roc_curve ,auc13 14 15 ##计算RP值16 def confusionMatrix(predicted ,actual , threshold):17     if len(predicted) != len(actual):18         return -1;19     tp=0.0;20     fp=0.0;21     tn=0.0;22     fn=0.0;23     for i in range(len(actual)):24         if actual[i] >0.5:25             if predicted[i] > threshold:26                 tp+=1.0;27             else:28                 fn+=1.0;29         else:30             if predicted[i]

结果为：