python计算召回率_在一次python中计算精度、召回率和Fscore

给定一个二进制分类任务，我尝试了以下方法来获得一个返回准确度、精确度、召回率和f-score的函数：gold = [1] + [0] * 9

predicted = [1] * 10

def evaluation(gold, predicted):

true_pos = sum(1 for p,g in zip(predicted, gold) if p==1 and g==1)

true_neg = sum(1 for p,g in zip(predicted, gold) if p==0 and g==0)

false_pos = sum(1 for p,g in zip(predicted, gold) if p==1 and g==0)

false_neg = sum(1 for p,g in zip(predicted, gold) if p==0 and g==1)

try:

recall = true_pos / float(true_pos + false_neg)

except:

recall = 0

try:

precision = true_pos / float(true_pos + false_pos)

except:

precision = 0

try:

fscore = 2*precision*recall / (precision + recall)

except:

fscore = 0

try:

accuracy = (true_pos + true_neg) / float(len(gold))

except:

accuracy = 0

return accuracy, precision, recall, fscore

但我似乎在数据集中重复循环了4次，以获得真/假阳性/阴性。在

另外，捕捉try-excepts的多个try-excepts有点多余。在

那么在不通过数据集进行多次循环的情况下，用什么样的python方法来获得真/假阳性/阴性计数？

如果没有多次尝试例外，我如何通过pythonic捕捉ZeroDivisionError？

我也可以用下面的方法来计算一个循环中的真/假阳性/阴性，但是有没有一种没有多重if的替代方法？：

^{pr2}$