python多标签分类的评价指标_多分类多标签模型的评估方式（定义+numpy代码实现）...

一、Multi-Class Multi-Label问题定义

所谓多分类(Multi-Class)是区别于二分类的一个概念，在二分类问题当中，数据的标签只是0，1二值类型，比如“是否”是一只狗，“是否”患病。而多分类则对应于更多的类别，比如判断物体是猫，狗，鸟，兔......判断病人患的是A，B，C，D中的某一种病。值得注意的是，多分类问题中常常只有一个类别是正确的。

什么是多标签(Multi-Label)呢？简单来说，就是一个样本同时具有多个标签，例如一张风景图，里面有天空、猫、狗、鸟、树，如果这些类别都属于当前任务所需要识别的类别之内，那么它就具有多个标签。显然，多标签任务的难度要高的多。

二、评估方式

参考[1] [2]，多分类多标签模型的评估指标通常分为两大类： example-based metrics, label-based metrics。

Example-based Metrics

1.Subset accuracy

其中

指代一个多标签分类器

，

返回预测的标签集合，

为样本个数。

# gt为真实标签，predict为预测标签

# 形式例如：gt=[[1,0,0,1]], predict=[[1,0,1,1]]

def example_subset_accuracy(gt, predict):

ex_equal = np.all(np.equal(gt, predict), axis=1).astype("float32")

return np.mean(ex_equal)

2.Example accuracy

def example_accuracy(gt, predict):

ex_and = np.sum(np.logical_and(gt, predict), axis=1).astype("float32")

ex_or = np.sum(np.logical_or(gt, predict), axis=1).astype("float32")

return np.mean(ex_and / (ex_or+epsilon))

3.Example precisi