sklearn计算准确率、精确率、召回率、F1 score（宏平均微平均）

最新推荐文章于 2024-08-13 20:34:17 发布

当代女大学生

最新推荐文章于 2024-08-13 20:34:17 发布

阅读量5.5k

点赞数 6

分类专栏： Python 文章标签： python

本文链接：https://blog.csdn.net/qq_36895331/article/details/117413904

版权

本文介绍了如何使用sklearn计算准确率、精确率、召回率和F1 score，并探讨了宏平均与微平均的区别。在分类问题中，宏平均给予每个类别相等权重，而微平均考虑所有样本权重。当类别样本数量差异大时，选择宏平均或微平均需依据实际情况。若宏平均显著低于微平均，可能需要检查少数类别的指标表现。

摘要由CSDN通过智能技术生成

混淆矩阵

在这里插入图片描述

混淆矩阵见：我的博客

准确率

import numpy as np
from sklearn.metrics import accuracy_score

y_pred = [0, 2, 1, 3]
y_true = [0, 1, 2, 3]
print(accuracy_score(y_true, y_pred))  
print(accuracy_score(y_true, y_pred, normalize=False))  

# 在具有二元标签指示符的多标签分类案例中
print(accuracy_score