我正在为我的情绪分析模型评估不同的分类器 . 我正在查看所有可用的指标,虽然大多数达到类似的精确度,召回率,F1分数和ROC-AUC分数,但线性SVM似乎得到了 perfect ROC-AUC分数 . 请看下面的图表:
缩写:MNB =多项式朴素贝叶斯,SGD =随机梯度下降,LR = Logistic回归,LSVC =线性支持向量分类
以下是LSVC的其余性能指标,它们与其他分类器非常相似:
precision recall f1-score support
neg 0.83 0.90 0.87 24979
pos 0.90 0.82 0.86 25021
avg / total 0.87 0.86 0.86 50000
正如您所看到的,数据集是针对pos和neg注释进行 balancer 的 .
这是相关代码:
def evaluate(classifier):
predicted = classifier.predict(testing_text)
if isinstance(classifier.steps[2][1], LinearSVC):
probabilities = np.array(classifier.decision_function(testing_text))
scores = probabilities
else:
probabilities = np.array(classifier