python第三方库——sklearn库

１、metrics

precision:

from sklearn.metrics import precision_scoreprecision_score(y_true, y_pre)＃两个输入可以是shape = [n_samples]，也可以是稀疏的矩阵one-hot表示

需要注意的点就是如果是多类别或者多标签问题，需要指定参数average的值:

precision_score(y_true,y_pred,labels=None,pos_label=1, average='binary',sample_weight=None)

average : string, [None, ‘binary’ (default), ‘micro’, ‘macro’, ‘samples’, ‘weighted’]，二分类问题默认取值binary，多分类问题默认取值weigthted，

        None表示为每个类返回一个值；

        binary：只返回pos_label声明的类别的结果，从0.18版本后，对于二分类问题只返回这个结果，即使指定其他取值，也是这样；

        weighted：计算每个类别的结果后，根据类别出现的次数进行加权；

        samples：只适用于多标签分类。

sample_weight : array-like of shape = [n_samples], optional

Sample weights.

recall:

from sklearn.metrics import recall_score

f1:

from sklearn.metrics import f1_score

accuracy:

from sklearn.metrics import accuracy_score

confusion_matrix:

from sklearn.metrics import confusion_matrixconfusion_matrix(gold_label, predictions) #gold_label:array, shape = [n_samples]，　predictions:array, shape = [n_samples]    返回的矩阵：array, shape = [n_classes, n_classes],第i,j个元素表示真实标记为i，但预测为j。