机器学习笔记--classification_report&精确度/召回率/F1值
来源:互联网 发布:颜体 知乎 编辑:程序博客网 时间:2024/06/07 10:01
classification_report简介
sklearn中的classification_report函数用于显示主要分类指标的文本报告.在报告中显示每个类的精确度,召回率,F1值等信息。
主要参数:
y_true:1维数组,或标签指示器数组/稀疏矩阵,目标值。
y_pred:1维数组,或标签指示器数组/稀疏矩阵,分类器返回的估计值。
labels:array,shape = [n_labels],报表中包含的标签索引的可选列表。
target_names:字符串列表,与标签匹配的可选显示名称(相同顺序)。
sample_weight:类似于shape = [n_samples]的数组,可选项,样本权重。
digits:int,输出浮点值的位数.
classification_report用法示例:
from sklearn.metrics import classification_reporty_true = [0, 1, 2, 2, 2]y_pred = [0, 0, 2, 2, 1]target_names = ['class 0', 'class 1', 'class 2']print(classification_report(y_true, y_pred, target_names=target_names))
输出:
precision recall f1-score support class 0 0.50 1.00 0.67 1 class 1 0.00 0.00 0.00 1 class 2 1.00 0.67 0.80 3avg / total 0.70 0.60 0.61 5
其中列表左边的一列为分类的标签名,右边support列为每个标签的出现次数.avg / total行为各列的均值(support列为总和).
precision recall f1-score三列分别为各个类别的精确度/召回率及
精确度/召回率/F1值
精确度&召回率
精确度/召回率/F1值在<统计学习方法>和周志华的<机器学习>中都有详细介绍,以下参考维基百科中Precision and recall的说明:
如下图所示,假设有若干张图片,其中12张是狗的图片其余是猫的图片.现在利用程序去识别狗的图片,结果在识别出的8张图片中有5张是狗的图片,3张是猫的图片(属于误报).
图中,实心小圆代表狗的图片,虚心小圆代表猫的图片,圆形区域代表识别结果.
则该程序的精度precision=5/8,召回率recall=5/12。
当一个搜索引擎返回30个页面时,只有20页是相关的,而没有返回40个额外的相关页面,其精度为20/30 = 2/3,而其召回率为20/60 = 1/3。在这种情况下,精确度是“搜索结果有多大用处”,而召回是“结果如何完整”。
F1 值
精确度和召回率都高时,
示例说明:
from sklearn.metrics import classification_reporty_true = [0, 1, 2, 2, 2]y_pred = [0, 0, 2, 2, 1]print(classification_report(y_true, y_pred))
输出:
precision recall f1-score support 0 0.50 1.00 0.67 1 1 0.00 0.00 0.00 1 2 1.00 0.67 0.80 3avg / total 0.70 0.60 0.61 5
例中:
对示例程序中的结果:
precision recall f1-score support0 0.50 1.00 0.67 11 0.00 0.00 0.00 12 1.00 0.67 0.80 3
第一行的计算:
即0的预测情况:真实值中有1个0,预测值中有2个0,其中1个预测正确,1个预测错误.如图所示:
则,
第二行的计算:
即1的预测情况:真实值中有1个1,预测值中有1个1,且预测错误.如图所示:
则,
第三行的计算:
即2的预测情况:真实值中有3个2,预测值中有2个2,且预测正确.如图所示:
则,
- 机器学习笔记--classification_report&精确度/召回率/F1值
- 机器学习结果统计-准确率、召回率,F1-score
- 机器学习中的准确率,精确度,召回率
- 准确率Accuracy,精确度Precision,召回率Recall,F1值
- 【机器学习-西瓜书】二、性能度量:召回率;P-R曲线;F1值;ROC;AUC
- 机器学习性能指标精确率、召回率、F1值、ROC、PRC与AUC
- (机器学习算法常用指标)准确率,召回率,F1 值、ROC,AUC、mse,mape评价指标
- 机器学习中分类器的评价指标:召回率(recall), 精度(precision), 准确率(accuracy), F1分数(F1-score)
- 【机器学习基础】准确率(Accuracy), 精确率(Precision), 召回率(Recall)和F1-Measure
- 机器学习——准确率、精度、召回率和F1分数(Machine Learning
- 准确率,召回率和F1值
- 准确率、召回率、F1
- 准确率、召回率、F1
- 准确率、召回率、F1
- 召回率Recall、精确度Precision、准确率Accuracy、F值
- 【机器学习理论】第6部分 准确率Accuracy,精确度Precision,召回率Recall,F-Score
- 正确率、召回率、F1-Score
- 召回率 Recall、精确度Precision、准确率Accuracy
- V9.7 企业版 DB2 license过期解决方案
- 两个Linux查询语句
- Android基础小知识
- 第三周——顺序表的应用
- easyui中idField的作用
- 机器学习笔记--classification_report&精确度/召回率/F1值
- spring mvc(注解)上传文件的简单例子
- ibatis isEmpty 和 isNull 区别
- 使用PHPExcel实现数据批量导入到数据库
- Kotlin开发安卓APP笔记-数据类型
- OATH标准OTP算法
- 数据结构第八周项目1--建立顺序串的算法库
- Shiro 整合SpringMVC 并且实现权限管理,登录和注销
- OpenStreetMap架构