sklearn中，二分类的precision |
您所在的位置：网站首页 › 关于狗的微信名萌萌哒 › sklearn中，二分类的precision |
|
precision_score：精确率，查准率 P = T P T P + F P P=\frac{TP}{TP+FP} P=TP+FPTP # 假设二分类标签为1，2 from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score precision_score(y_true, y_pred, average="binary", pos_label=1) # pos_label设置为1，代表标签为1的样本是正例，标签为2的样本是负例。accuracy_score：准确率 A c c = T P + T N T P + F P + T N + F N Acc=\frac{TP+TN}{TP+FP+TN+FN} Acc=TP+FP+TN+FNTP+TN # 假设二分类标签为1，2 accuracy_score(y_true, y_pred)recall_score：召回率，查全率 R = T P T P + F N R=\frac{TP}{TP+FN} R=TP+FNTP # 假设二分类标签为1，2 recall_score(y_true, y_pred, average="binary", pos_label=1)f1_score: F1值 F 1 = 2 ∗ P ∗ R P + R F1=\frac{2*P*R}{P+R} F1=P+R2∗P∗R # 假设二分类标签为1，2 f1_score(y_true, y_pred, average="binary", pos_label=1)附：二分类的混淆矩阵 真实情况预测结果正例反例正例TP（真正例）FN（假反例）反例FP（假正例）TN（真反例） |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |