【Precision Recall F1】from sklearn.metrics import classification_report

这篇博客介绍了如何使用`sklearn.metrics.classification_report`来展示分类任务的主要评估指标,包括Precision(精确率)、Recall(召回率)和F1分数。内容详细解释了这些指标的定义,如Precision是真正例占预测为正例的比例,Recall是真正例占实际正例的比例,F1分数是Precision和Recall的调和平均数。此外,还讨论了多分类任务中的宏平均计算方式,并指出在二分类问题中,Recall也称为灵敏度,而真负例率被称为特效性。
摘要由CSDN通过智能技术生成

学习笔记

分类报告:

sklearn.metrics.classification_report(y_true, y_pred, labels = None, 
                                      target_names = None, sample_weight = None, digits=2)
  • 显示主要的分类指标

  • 返回每个类标签的精确、召回率及F1值

主要参数说明:

  • labels:分类报告中显示的类标签的索引列表

  • target_names:显示与labels对应的名称

  • digits:指定输出格式的精度

评价指标:

  • \(Precision = \frac{TP}{TP+FP}\)

  • \(Recall = \frac{TP}{TF + FN}\)

  • \(F1 = \frac{2 * Precision * Recall}{Precision + Recall}\)<

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值