sklearn多分类模型评价指标

通过confusion_matrix(y_ture, y_pred)调出混淆矩阵

from sklearn.metrics import precision_score
precision_score(y_true, y_pred, labels=None, pos_label=1, average=’binary’, 
                                sample_weight=None)

对于精确度、准确度的定义有很多种，所以计算方式和结果都不一样

其中average设定怎么计算精确度等，当average=micro时precision、recall、accuracy是相同的

然后还有average=macro或weighted(macro改良版）,推荐使用average=weighted

sample_weight参数

当样本不均衡时加入此参数

sw = compute_sample_weight(class_weight='balanced',y=y_true)

sw是一个和ytrue的shape相同的数据，每一个数代表该样本所在的sample_weight。它的具体计算方法是：总样本数/（总类数*某类的个数），然后加入此参数即可

cm =confusion_matrix(y_true, y_pred, sample_weight=sw)