为什么不同的宏平均计算方法会得到不同的精度、召回率和f1分数
不同的宏平均计算方法会得到不同的精度、召回率和F1分数，这是因为宏平均计算方法在处理不平衡数据集时对不同类别的样本数量的处理方式不同。
宏平均计算方法是一种对所有类别样本的性能指标进行平均的方法。在计算精度、召回率和F1分数时，它将每个类别的指标单独计算，然后对所有类别的指标进行平均。
精度是指分类器正确预测为正类别的样本数量占预测为正类别的样本总数的比例。召回率是指分类器正确预测为正类别的样本数量占实际为正类别的样本总数的比例。F1分数是精度和召回率的调和平均值，用于综合评估分类器的性能。
在不平衡数据集中，不同类别的样本数量可能存在较大差异。某些类别的样本数量较少，而其他类别的样本数量较多。这种情况下，使用宏平均计算方法会平等对待每个类别，不考虑样本数量的差异。
因此，当某些类别的样本数量较少时，宏平均计算方法可能会导致精度、召回率和F1分数偏低。这是因为宏平均计算方法会给样本数量较多的类别更多的权重，而对样本数量较少的类别给予较少的权重。
相比之下，微平均计算方法将所有类别的样本汇总为一个整体，然后计算整体的精度、召回率和F1分数。这种方法不考虑类别之间的差异，对每个样本都给予相同的权重。
综上所述，不同的宏平均计算方法会得到不同的精度、召回率和F1分数，因为它们对不同类别的样本数量的处理方式不同。在处理不平衡数据集时，选择适合的计算方法可以更准确地评估分类器的性能。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）
- 腾讯云人工智能开发平台（https://cloud.tencent.com/product/tencent-ai）
- 腾讯云大数据平台（https://cloud.tencent.com/product/emr）
- 腾讯云云服务器（https://cloud.tencent.com/product/cvm）
- 腾讯云云数据库 MySQL 版（https://cloud.tencent.com/product/cdb_mysql）
- 腾讯云对象存储（https://cloud.tencent.com/product/cos）
- 腾讯云区块链服务（https://cloud.tencent.com/product/tbaas）
- 腾讯云视频处理（https://cloud.tencent.com/product/vod）
- 腾讯云物联网平台（https://cloud.tencent.com/product/iotexplorer）
- 腾讯云移动开发平台（https://cloud.tencent.com/product/mobdev）
- 腾讯云音视频通信（https://cloud.tencent.com/product/trtc）
- 腾讯云云原生应用平台（https://cloud.tencent.com/product/tke）
相关·内容
我有一套10个实验，计算精度，回忆和F1评分为每个实验。现在，平均查准率和平均召回率很容易计算。我对F1的平均分数有些困惑。
关于如何计算平均F1分数，有两种方法：
用10个实验中的每一个实验的f1分数来计算它们的平均值。
取平均精度和平均召回率，然后使用公式f1 = 2*p*r/(p+r)计算f1分数。
我找不到任何有力的理由来支持这些论点。我能找到的最接近的文档是：https://www.kaggle.com/wiki/MeanFScore
有人能用一些参考(如果可能的话)来解释哪些方法是正确的，为什么？
编辑:其中一位成员建议使用这源。不过，我仍然怀疑消息来源的可靠性。我在他们的研究出版
浏览 0提问于2017-01-08得票数 8
回答已采纳
sklearn函数中计算的平均精度分数遵循下图所示的公式。
AP = Σ(Rn - Rn-1)Pn *The index value of the sumation is n. Please refer to the attached image for a clear version of the formula
我正在努力完全理解这个函数背后的数学原理。我特别好奇公式中的第n个阈值是如何计算的。阈值的数量是否等于样本的数量？
浏览 3提问于2021-07-20得票数 0
什么原因会导致F1分数不是精度和召回率的调和平均值，而多类的宏观平均加权相等？我的数据集是不平衡的，预测是不正确的。
浏览 33提问于2019-02-03得票数 0
3回答
Why是通常用于(监督)分类任务的F-测度，而G-测度(或Fowlkes-Mallows索引)通常用于(无监督)聚类任务？
F-度量是精度和回忆的调和平均值。
G-度量(或Fowlkes-Mallows索引)是几何的平均值精度和召回的平均值。
下面是一个不同方法的情节。
📷
F1 (谐波) $= 2\cdot\frac{精度\cdot召回}{精确+召回}$
几何$= \sqrt{精度\cdot召回}$
算术$= \frac{精确+召回}{2}$
我问这个问题的原因是，我需要决定在NLG任务中使用哪一个平均值，在哪里我测量了 BLEU 和 ROUGE (BLEU相当于精确，而ROUGE则相当于
浏览 0提问于2018-08-12得票数 12
2回答
📷
如您所见，它是关于使用linearSVC进行二进制分类的。1级的查全率高于0级(+7%)，0级的查全率高于1级(+11%)。你怎么解释这件事？
还有另外两个问题：“支持”代表什么？分类报告中的查准率和召回分数与sklearn.metrics.precision_score或recall_score的结果不同。为什么是这样？
浏览 0提问于2019-12-08得票数 30
回答已采纳
假设我有一个三类问题，我想构建一个可以根据一组特征区分类的分类器。我想根据模型区分这3个类的能力来评估它。
从我的阅读来看，宏观F1分数似乎是用于评估多类问题分类器的常用指标，其中为每个类计算F1分数，然后将这些F1分数的未加权平均值用作macro F1 score。
在其他文献中，我见过用于多类问题的平衡精度，其中计算每一类的精度，然后将这些精度的未加权平均值用作balanced accuracy。
为什么宏观F1得分比平衡准确性更受青睐？
平衡精度不是更容易解释吗，平衡精度< 0.5告诉我们模型的表现比随机更差？
我们如何以与平衡准确率相同的方式来解释F1分数--什么阈值表明分类器比
浏览 4提问于2016-03-09得票数 3
1回答
我正在尝试使用多层感知器进行二进制分类。 它基本上是句子的情感分析。目前只有二进制。正对负(目前我的数据中没有中性)，所以它是二进制的。 我发现一件奇怪的事情是，当正数编码为1 (positive=1，negative=0)和负数编码为1 (positive=0，negative=1)时，性能(准确性，召回率，精确度，F1分数)有显著差异。当然，我使用了相同的X数据集和相同的模型(架构)。仅更改了标签编码。 当阳性病例编码为1时，平均f1分数约为89。(我运行了相同的模型10次)当阴性病例编码为1时，平均f1分数约为50。(同样的模型我运行了10次) 我对这个结果感到很困惑。我认为这不应该有
浏览 22提问于2021-01-08得票数 0
1回答
我知道f1分数，它使用精确度和召回率。但是，mean f1 score中的“mean”是什么？当我们使用它的时候，如何计算“均值”？
编辑以明确解释我的问题:我知道f1分数是准确率和召回率的调和平均值。并且在计算f1得分时，需要多个分类结果来计算准确率和召回率。
例如，如果我们有一个由1000个实例组成的数据集，我们可以得到1000个分类结果。然后我们把它放到列联表中，这样我们就可以计算f1分数了。
现在，这是我与“平均”f1分数混淆的点。我们从列联表中计算f1得分，但是什么是“均值”？只有我可以计算f1分数，那么什么是“平均”，如何计算“平均”f1分数？
浏览 19提问于2017-08-10得票数 1
回答已采纳
1回答
我想使用sklearn的几个评估分数(NMI，ARI，F1)，使用一些合成数据来评估一种聚类方法。虽然NMI和ARI工作得很好，但在标签被交换的地方，我确实遇到了关于F1分数的问题，例如，真实标签是[0, 0, 0, 1, 1, 1]，而预测标签是[1, 1, 1, 0, 0, 0]。对于集群，这是一个完美的结果，因为两个集群都被正确识别，只有标签被切换:集群1具有标签0，反之亦然。F1分数似乎无法处理此问题，因为我的代码生成的F1分数为0.0。我假设发生这种情况是因为标签不具有相同的名称/编号，但是我不能手动为每个集群切换标签名称，因为这是一种很大的工作方式，特别是对于大型数据集，那么有没有
浏览 17提问于2019-10-26得票数 0
回答已采纳
2回答
我已经训练了我的伯特模型(基本案例)来检测有毒的评论。我使用了来自Kaggle的有毒评论分类挑战数据集。我的准确率是98%，各个子类的AUROC都在90%以上.然而，我的精确性、召回率和F1分数都较低。分数显示在图像评价分数中。数据集高度不平衡。干净评论的比例远高于有毒评论。有什么改善评价成绩的建议吗？
这是最后的分数
precision recall f1-score support
微平均值0.61 0.85 0.71 1743
宏avg 0.56 0.69 0.61 1743
加权平均0.64 0.85 0.72 1743
样品平均值0.08 0.09
浏览 0提问于2021-08-20得票数 0
2回答
我有一个高度不平衡的数据集，只有不到0.5%的次要类。使用Keras，我将对DNN进行培训，并评估验证集的性能。损失函数为binary_crossentropy。
我把我的早期停止f1评分，而不是验证损失。我在训练期间观察到的是，f1分数上下波动很大，而验证损失却在减少。实际上，我的f1分数很低，而且早停下来，尽管f1的分数是很多时代的.
我对此很困惑。我是不是应该提前停止对性能的衡量？我们是否应该使用验证损失作为早期停止的标准？谢谢。
浏览 0提问于2018-11-17得票数 6
2回答
我知道F1-measure是精度和召回率的调和平均值。但是，什么值定义了F1度量的好坏？我似乎找不到任何参考资料(谷歌或学术)来回答我的问题。
浏览 0提问于2016-04-19得票数 29
在由分类_报告提供的sklearn中，我应该看哪个分数来确定我的模型的准确性？
precision recall f1-score support
0 0.70 0.68 0.69 5007
1 0.65 0.54 0.59 2270
2 0.37 0.22 0.28 614
3 0.74 0.30 0.42
浏览 0提问于2017-10-31得票数 1
我已经运行了RandomForestClassifier和MLPClassifier模型，我收到的准确率和f1得分分别为83%和39%，而不是86%和34%。
我的数据集不平衡，一个类中有523个，另一个类中有91个，它有22个特征。当我尝试使用网格搜索交叉验证优化我的模型时，我对两个模型的准确率都略有提高，但我的f1分数下降到0%，这可能是什么原因？
浏览 3提问于2021-03-12得票数 0
我想计算web服务排名算法的精确度和召回率。我在数据库中有不同的web服务。
客户在他/她的搜索中指定一些条件。根据用户的需求，我们的算法应该为数据库中的每个web服务分配一个分数，并检索得分最高的web服务。
我已经在网上搜索并阅读了这个网站上关于这个话题的所有问题，我知道精确度和召回率，但我不知道如何计算我的情况。最相关的搜索在这个链接中：
根据这篇文章，
精度=所有服务的最高等级分数/总等级分数
Recall=最高等级得分/第二高等级服务得分
但是，我认为这不是真的。你能帮帮我吗？
非常感谢。
浏览 1提问于2014-10-15得票数 1
当我通过CV cross_val_score()计算精确性、回忆性和f1时，它给出的结果与通过混淆矩阵计算的结果不同。为什么它给出不同的精确度，回忆，和f1的分数？
我在机器学习中学习支持向量机，我想比较一下cross_val_score返回的结果和手工计算混淆矩阵的结果。然而，我有不同的结果。
首先，我使用cross_val_score编写了下面的代码。
clf = svm.SVC()
kfold = KFold(n_splits = 10)
accuracy = metrics.make_scorer(metrics.accuracy_score)
precision = metrics
浏览 14提问于2022-07-20得票数 2
回答已采纳
1回答
我正在做一个练习问题，预测一个二元结果。我绘制了一条ROC曲线，找到了未来预测观测的最佳阈值百分比为1，我发现这个阈值总是与我原始数据中等于1的观测百分比相匹配。对此有什么概念上的解释吗？
浏览 0提问于2019-08-11得票数 1
回答已采纳
我有一个阶级不平衡的多类分类问题。我寻找最好的标准来评估我的模型。学习有多种计算F1分数的方法。我想了解不同之处。
当出现班级不平衡时，你有什么建议？
浏览 0提问于2018-11-08得票数 22
回答已采纳
我一直在尝试使用5折交叉验证来对高度不平衡的数据进行分类。我的样本量是：
总样本: 12237899
阳性样本: 1064份(占总数的0.01%)
我也想避免数据泄露。然而，我得到了相当低的平均精度分数和F-1分数。我使用加权逻辑回归来帮助我处理不平衡的数据，因为SMOTE在存在极不平衡的数据时不能很好地工作。另外，我在sklearn库中看到了F-1分数的几个选项。例如: f1 score有一个参数:average{‘微’，‘宏’，‘样本’，‘加权’，‘二进制’}。不确定我应该使用哪一个？另外，它与cross_val_score(clf，X，y，cv=5，scoring='f1'
浏览 0提问于2021-04-03得票数 1
1回答
精确度和召回率的几何平均值
、、、、
我正在尝试制定一个自定义指标来评估ML模型。我想让精度和召回率的加权几何平均值，并以一种优先于召回率而不是精确度的方式对其进行权衡。我知道几何平均值是sqrt(精确度*召回)，但我不确定如何将其参数化，以便在python中更重视召回。这里有来自不平衡库的度量，但是我看不到我可以提供的任何权重
imblearn.metrics.geometric_mean_score(y_true, y_pred, labels=None, pos_label=1, average='multiclass', sample_weight=None, correction=0.0)
你知道如何在p
浏览 2提问于2021-01-03得票数 2
1回答
我正在为一个计算机视觉模型实现一个平均平均精度(mAP)度量，该模型输出多个类的边界框，我需要帮助理解如何处理一些边缘情况。
由于我的问题的性质，这是一个计算机视觉问题可以忽略不计。
我清楚地知道mAP = true_positives / (true_positives + false_positives)，但是当true_positives == false_positives == 0发生时会发生什么呢？即。如果输出不能预测任何事情。
我目前的假设是，如果有算法不能预测的注解，mAP应该是0，否则，如果一开始没有注释，它应该是1，但这似乎有点违背直觉，因为这将进入回忆领域。
示例1：
T
浏览 2提问于2019-07-12得票数 1
回答已采纳
有没有办法对参数值运行网格搜索，这些参数值针对选定类的分数(例如'f1')进行了优化，而不是所有类的默认分数？
编辑的假设是，这样的网格搜索应该返回一组参数，使所选类别的分数最大化(例如，'f1'，‘准确性’，‘召回’)，而不是所有类别的总分数。这样的方法似乎很有用，例如对于高度不平衡的数据集，当试图构建一个在具有少量实例的类上做合理工作的分类器时。
使用默认评分方法的GridSearchCV示例(此处:对所有类使用'f1‘)：
from __future__ import print_function
from sklearn.cross_valid
浏览 0提问于2015-07-30得票数 9
我必须做多类分类(3)。我使用GridSearchCV为我的分类器搜索最佳参数。
但是我有一个不平衡的x_train (和x_test)：3079表示0，12表示1,121表示3。
我有一个错误：
目标是多类的，但average='binary'。请选择另一个平均值设置。
我认为这个错误来自于拆分，当我们拆分x_train时，我们没有得到每个部分中的每个类。对于每个部分中表示的每个类，您有一个解决方案吗？谢谢。
浏览 1提问于2018-05-11得票数 4
7回答
我在R中使用rpart分类器，问题是-我想在测试数据上测试训练好的分类器。这很好-我可以使用predict.rpart函数。
但我还想计算准确率、召回率和F1分数。
我的问题是-我必须自己为这些函数编写函数吗，或者在R或任何CRAN库中有什么函数可以做到这一点？
浏览 0提问于2011-12-14得票数 26
回答已采纳
我正在对数据集进行分类，并使用交叉验证进行建模。交叉验证给出了每个折叠的准确性，因为类是不平衡的，准确性是不正确的度量。我想得到AUC-ROC而不是准确性。
浏览 0提问于2019-04-20得票数 0
回答已采纳
当我们同时考虑精度和召回率来计算F度量时，我们取这两个度量的调和平均值，而不是简单的算术平均值。
取调和平均值而不是简单平均值背后的直观原因是什么？
浏览 127提问于2014-10-14得票数 107
回答已采纳
1回答
因此，为了评估多标签分类算法(每个实例都与多个标签相关联)，我同时考虑了准确性和F1-Measure。拥有：
Accuracy = #Intersection(suggestions,correct_labels) / #Union(suggestions,correct_labels)
F1 Measure = 2 * (P * R) / (P + R)
哪种方法更好?为什么？在什么情况下，我应该选择其中之一？
浏览 2提问于2013-12-04得票数 5
1回答
高度不平衡数据集的f1评分选择？
、、、、
为了更好的评价，我很困惑是用f1评分和“微观”平均分还是“宏观”平均分。考虑到我的数据集高度不平衡(600:100000)
浏览 0提问于2019-08-22得票数 0
1回答
我想考10个班的ROC。我使用了CNN模型(keras)。我可以得到一条vs rest曲线，但我想要一对一。以下是我的代码片段。 model.compile(optimizer=keras.optimizers.Adam(0.001),
loss='categorical_crossentropy',
metrics=['acc'])
from keras.callbacks import History
history = History()
model.fit_generator(generator=tr
浏览 74提问于2020-12-03得票数 0
我正在构建一个基于内容的电影推荐系统。这很简单，只要用户输入一个电影标题，系统就会找到一部具有最相似功能的电影。
在计算相似度并对得分进行降序排序后，我找到了相似度得分最高的5部对应的电影，并返回给用户。
直到现在，当我想评估系统的准确性时，一切都运行得很好。我在Google上找到的一些公式只是基于评分值来评估准确性(比较预测评级和实际评级，如RMSE)。我没有将相似度分数更改为等级(从1到5)，所以我不能应用任何公式。
您能建议任何方法将相似度分数转换为预测评分，以便我可以应用RMSE吗？或者有没有解决这个问题的办法？
浏览 1提问于2011-05-29得票数 15
回答已采纳
我正在计算我最近准备的数据集上现成算法的精度和召回率。
这是一个二进制分类问题，我希望计算我构建的每个分类器的精度、召回率和f-分值。
test_x, test_y, predics, pred_prob,score = CH.buildBinClassifier(data,allAttribs,0.3,50,'logistic')
构建分类器方法基本上是构建分类器，对训练数据进行拟合，并返回test_x(测试数据的特征)、test_y(地面事实标签)、predict(分类器做出的预测)、red_prob( LogisiticRegression.predict_proba方法
浏览 1提问于2016-07-03得票数 5
1回答
我在学习机器学习理论。我有一个使用多类Logistic回归预测的混淆矩阵。
现在，我已经计算了微观和宏观平均数(精确和召回)。
它们的价值是完全不同的。现在我想知道是哪些因素影响了这一点。在什么情况下，微观和宏观会有很大的不同？
我注意到的是，不同类别的预测的准确性不同。这就是原因吗？还有什么其他因素会导致这种情况呢？
样本混淆矩阵：
我计算的微观宏观平均数：
precision-micro = ~0.7329
recall-micro = ~0,7329
precision-macro = ~0.5910
recall-macro = ~0.6795
浏览 1提问于2021-06-05得票数 0
回答已采纳
1回答
让我们讨论标签A、B和C的多标签分类问题。我可以计算每个标签的精确度/召回率，如下所示：
精度:正确的NodeX分配/总NodeX分配
回忆:更正NodeX赋值/总NodeX真事件
F1度量:2*(精确*召回)/(精确+召回)
因为我有3个标签，所以我想通过平均每个节点的值来获得一个全局性能度量，比如建议的。
但是，我注意到这破坏了F1度量不变！澄清的一个例子：
Label, Precision, Recall, F1
A, 0.5, 1.0, 0.666
B, 1.0, 1.0, 1.0
C, 0.5,
浏览 4提问于2013-12-13得票数 2
2回答
我想用32个预测的蒙版图像和32个真实的蒙版图像做f1评分。我的数据有以下特点：
predicted.shape [32,512,512]
true.shape [32,512,512]
type_of_target(predicted) Unknown
type_of_target(true) Unknown
type_of_target(predicted[0]) Continuous-multioutput
type_of_target(true[0]) Continuous-multioutput
当我运行这一行f1_score(true，
浏览 0提问于2020-04-26得票数 1
我有一个数据集需要在两个模型中进行评估:逻辑回归和决策树。评估这两个模型性能的最佳指标是什么？
浏览 3提问于2015-03-10得票数 0
1回答
如果你的召回率是零，而你的精确性没有定义的话，是否有可能有这样的精确召回曲线？我该怎么解释呢？
📷
我已经检查了所有的分数是正确的，我仍然不明白曲线的外观。
浏览 0提问于2021-12-02得票数 1
回答已采纳
4回答
当数据不平衡时，是使用宏观平均还是微观平均数的问题一直在出现。
一些谷歌显示，许多博客作者倾向于说微平均值是首选的方式，例如：
如果存在阶级不平衡问题，微观平均更好。
另一方面，当数据集的大小发生变化时，微平均值可能是一种有用的度量。
本论坛上类似的问题也给出了类似的答案。
然而，这似乎完全违背了直觉。例如，如果我们有一个90%-10%的类分布的数据集，那么基线分类器就可以通过分配大多数类标签来达到90%的微米平均准确率。
这一点得到了书籍的证实，例如信息检索概论说(第282页)“因此，微平均结果实际上是测试集合中大型类有效性的衡量标准。要想在小类上获得有效性，就应该计算宏平均结果。”
最后，
浏览 0提问于2018-08-13得票数 19
回答已采纳
2回答
我运行了一个python程序，它调用sklearn.metrics的方法来计算精度和F1分数。
/xxx/py2-scikit-learn/0.15.2-comp6/lib/python2.6/site-packages/sklearn/metr\
ics/metrics.py:1771: UndefinedMetricWarning: Precision is ill-defined and being set to 0.0 due to no predicted samples.
'precision', 'predicted', average, wa
浏览 4提问于2016-01-13得票数 48
2回答
我是深度学习的新手，我希望能够使用F1分数来评估经过特定时期训练的模型。我认为它首先需要计算精度和召回率。 训练的模型是SSD-300-Tensorflow。有没有代码或者什么东西可以产生这些结果呢？我没有使用sci-kit或任何东西，因为我不确定是否需要这些来计算分数，但任何指导都是非常感谢的。 在名为metrics.py的文件夹tf_extended中有一个用于评估的文件，该文件具有用于精度和召回率的代码。训练完我的文件后，我将检查点放在了logs文件夹中。如何计算我的指标？由于硬件限制(GPU问题)，我使用Google collab
浏览 72提问于2021-10-03得票数 0
回答已采纳
对于一个简单的二进制分类问题，我想找出什么阈值设置可以最大化f1分数，这是精度和召回率的调和平均值。在scikit learn中有没有内置的工具可以做到这一点？现在，我只是简单地打电话给
precision, recall, thresholds = precision_recall_curve(y_test, y_test_predicted_probas)
然后，我可以使用三元组数组中每个索引处的信息来计算f1分数：
curr_f1 = compute_f1(precision[index], recall[index])
有没有更好的方法来做这件事，或者这就是这个库的用法？谢谢。
浏览 0提问于2019-07-16得票数 7
如何绘制CNN的精确和回忆曲线？我已经产生了从CNN的分数，并想绘制精确-回忆曲线，但我无法得到。我使用以下方法计算了TP、TN、FP和FN：
idx = (ACTUAL()==1);
p = length(ACTUAL(idx));
n = length(ACTUAL(~idx));
N = p+n;
tp = sum(ACTUAL(idx)==PREDICTED(idx));
tn = sum(ACTUAL(~idx)==PREDICTED(~idx));
fp = n-tn;
fn = p-tp;
查准率和召回率的公式是
precision = tp/(tp+
浏览 7提问于2018-04-05得票数 3
回答已采纳
1回答
我最近发表了一篇论文，其中监督模型的结果如下。所有的指标都是宏观平均的。我已被要求就AUC与其他指标之间的差距发表评论，确切地说是F1。
📷
很快，这是一个相对平衡的问题。3班: 15%，48%，37%。
预先感谢您的意见和建议。
你如何证明结果是正确的
浏览 0提问于2023-02-25得票数 0
1回答
评估评等系统所用的指标
、、、、
我有一个系统，给出工作质量的星级评分( 1-5，1是极差，5是特别好)。一位专家用他们对工作质量的评价给一套测试贴上标签。
5类(1、2、3、4、5)的数据不平衡，极差和特别好评级的样本很少。是否有一个指标可以考虑到，如果系统将质量极差的工作评为非常好或特别好，则应给予更多的惩罚，而不是将极差的评级评为差或差或平均？再一次，由于不平衡的类别分布，直截了当的准确性并不是最好的衡量标准。
对公制有什么建议吗？
浏览 0提问于2021-01-25得票数 1
我有一些类不平衡和一个简单的基线分类器，将大多数类分配给每个示例：
from sklearn.metrics import precision_score, recall_score, confusion_matrix
y_true = [0,0,0,1]
y_pred = [0,0,0,0]
confusion_matrix(y_true, y_pred)
这会产生
[3，0，
1，0]
意思是TP=3，FP=1，FN=0。
到现在为止还好。现在我要计算出精确性和召回率的微观平均值。
precision_score(y_true, y_pred, average='micr
浏览 0提问于2018-11-20得票数 0
回答已采纳
我正在使用来自scikit learn(sklearn.cross_validation包)的cross_val_score来评估我的分类器。
如果我为scoring参数使用f1，该函数将返回一个班级的F1分数。为了得到平均值，我可以使用f1_weighted，但我找不到如何获得其他班级的F1分数。(查准率和召回率类似)
sklearn.metrics中的函数有一个执行此操作的labels参数，但我在文档中找不到类似的内容。
有没有办法一次获得所有班级的F1得分，或者至少指定应该使用cross_val_score考虑的班级
浏览 1提问于2016-05-24得票数 5
在文档中，它将average_precision_score描述为精确召回曲线下的区域。我很难理解这个区域意味着什么？
这个度量和原始的精确评分有什么不同？
浏览 6提问于2016-01-19得票数 6
回答已采纳
有6个类标签编码为0,1,2,3,4,5
在执行分类报告评分时，它输出的精度、宏avg、加权avg、.The微观平均分数在输出中缺失。我不知道为什么微观平均分数没有被打印出来。我该怎么做才能得到最低均分呢？
print(classification_report(y_test, best_preds,labels=[0,1,2,3,4,5]))
precision recall f1-score support
0 0.65 0.76 0.70 46
1 0.74 0
浏览 0提问于2019-10-09得票数 2
3回答
我必须计算精确和召回的大学项目，以衡量质量的分类输出(与学习)。说这就是我的结果：
y_true = 0，1，2，1，1
y_pred = 0，2，1，2，1
混淆矩阵：
1 0 0
0 1 2
0 1 0
我读过关于它的文章，在二进制设置下，这个定义对我来说是有意义的，但是有了3个标签，我发现很难解释精确/回忆。
如果我使用sklearn.emeics.精准/召回分数，那么两者都是0.4 (平均=微)。
至于精度，这有点道理，因为五分之二的分类是正确的。但我在解释召回的0.4结果时遇到了问题。
浏览 0提问于2018-05-23得票数 5
回答已采纳
1回答
当通过平均每个样本的精度来评估一个多标签模型的精度时，是否应该忽略那些没有进行预测的样本？或者更合适的做法是( b)考虑这类样品的精度为0。
例：
地面-真相：[[1, 1, 0], [1, 0, 0], [0, 1, 1]]
预测：[[1, 1, 0], [0, 0, 0], [0, 0, 1]]
每个样本的平均精度：
( a) (1 + 0.5) / 2？或
( b) (1 + 0 + 0.5) / 3？
浏览 0提问于2022-02-23得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
