2021-04-04

 

 

 

对于多分类任务，n个类别可以得到n个 2X2 的混淆矩阵，也可以直接使用 1个 nXn的混淆矩阵表示。为了得到n个 2X2 的混淆矩阵，可以将使用OvR的思想，例如有，A，B，C类，对于A类来说可以将三类变为两类， A类和其他类从而得到一个 2X2的混淆矩阵，对于B，C类执行同样操作 ，便可以得到B，C类对应的 2X2 的混淆矩阵。经过上述操作总共得到 3 个 2X2 的混淆矩阵，这样便可以使用上面的公式计算 宏F1，微F1了。

也可以直接使用一个 n X n 的混淆矩阵， 对于A，B，C类来说，是一个 3X3的混淆矩阵。  

from sklearn.metrics import precision_score
from sklearn.metrics import recall_score
from sklearn.metrics import f1_score

y_test = [1,2,3,4,5,6,1,3,4]
y_true = [2,3,3,4,4,6,1,3,4]

print(precision_score(y_test,y_true,average='micro'))
print(recall_score(y_test,y_true,average='micro'))
print(f1_score(y_test,y_true,average='micro'))


print("-----------------------------")
print(precision_score(y_test,y_true,average='macro'))
print(recall_score(y_test,y_true,average='macro'))
print(f1_score(y_test,y_true,average='macro'))

0.6666666666666666
0.6666666666666666
0.6666666666666666
-----------------------------
0.5555555555555555
0.5833333333333334
0.5444444444444444