多分类评价指标python代码

最新推荐文章于 2023-05-11 09:52:08 发布

转载

最新推荐文章于 2023-05-11 09:52:08 发布 · 3.7k 阅读

16 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/ylHe/p/9122283.html

文章标签：

#python #人工智能

本文介绍了使用sklearn.metrics模块在Python中计算多分类评价指标的方法，包括precision_score、recall_score等。文章提供了不同类型的评价指标，如二分类、多分类和多标签问题中的混淆矩阵、F1分数、ROC曲线等，并给出了相应的函数用法。

from sklearn.metrics import precision_score,recall_score

print (precision_score(y_true, y_scores,average='micro'))

average：string，[None，'binary'（默认），'micro'，'macro'，'samples'，'weighted']

该参数对于多类/多标签目标是必需的。如果None，返回每个班级的分数。否则，这将确定对数据执行的平均类型：

'binary' ：

只报告指定的类的结果pos_label。这仅适用于targets（y_{true,pred}）是二进制的。

'micro' ：

通过计算总真阳性数，假阴性数和假阳性数来计算全球指标。

'macro'