赞
踩
精确率:在**被识别为正类别的样本(预测分类结果)中,确实为正类别的比例是多少
召回率:在所有正类别样本(真实分类结果)**中,被正确识别为正类别的比例是多少?
准确率:在所有样本中,被正确识别的样本的比例是多少?
one vs rest 的方式
具体来说,就是考虑某个类别的时候,其余的类别均被视为负类。如此,在多分类场景中,可以得到每个类别的精确率和召回率的值。
而如果要计算整个混淆矩阵的精确率和召回率,就涉及到计算策略。两种:根据每个类别的样例数目加权计算,或者是简单干脆,将每个类别的指标值取平均值。
每个类别十个样本
通过sklearn
调用metrics.classification_report
得到的结果是:
计算比较简单,可以手算一下。
参考文章:
1 多分类里准确率和召回率等评估指标应如何计算?
2 分类–精确率和召回率
3 基于混淆矩阵计算多分类的准确率和召回率
4 准确率、精确率、召回率、F1
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。