Scikit-Learn 中的 Micro F1 分数与类别不平衡
托比
我有一些类不平衡和一个简单的基线分类器，它将多数类分配给每个样本：
from sklearn.metrics import precision_score, recall_score, confusion_matrix
y_true = [0,0,0,1]
y_pred = [0,0,0,0]
confusion_matrix(y_true, y_pred)
这产生
[[3, 0],
[1, 0]]
这意味着 TP=3，FP=1，FN=0。
到现在为止还挺好。现在我想计算精度和召回率的微观平均值。
precision_score(y_true, y_pred, average='micro') # yields 0.75
recall_score(y_true, y_pred, average='micro') # yields 0.75
我对精度没问题，但为什么召回不是 1.0？假设 FP > 0 和 FN == 0，在这个例子中它们怎么可能相同？我知道这一定与微平均有关，但我无法理解这个。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
编辑于
相关文章
Related 相关文章
- 1
如何处理 Scikit.learn 管道中不平衡的 xgboost 多类分类？
- 2
使用scikit Learn产生奇怪的F1分数结果
- 3
使用scikit Learn产生奇怪的F1分数结果
- 4
从精度，召回率，F1分数计算准确性-scikit-learn
- 5
scikit-learn计算多标签分类中的F1
- 6
scikit-learn中多类分类器的平均值=“ micro”的精确召回曲线
- 7
具有许多类别的不平衡数据集，一个热编码问题，F1得分高，但验证集准确性非常低
- 8
在scikit-learn中对LogisticRegressionCV（）使用l1惩罚
- 9
Scikit Learn中的交叉验证
- 10
Scikit Learn中的距离指标
- 11
scikit加权F1分数的计算和使用
- 12
正确计算Sklearn中的F1分数
- 13
iOS 8中的通话不平衡
- 14
Chrome中不平衡的CSS列
- 15
Matlab中不平衡的Anova
- 16
DEoptim中的堆栈不平衡
- 17
了解Scikit Learn中的Birch集群设置
- 18
scikit-learn中的成本敏感分析
- 19
在Scikit Learn中控制Logistic回归的阈值
- 20
scikit-learn中的“ verbose”参数
- 21
scikit-learn中LogisticRegression的GridSearchCV
- 22
删除scikit Learn中的特定功能
- 23
在scikit-learn中运行Randomforest的MemoryError
- 24
Scikit-Learn KDE中的PDF估计
- 25
Scikit-Learn中的分类数据转换
- 26
scikit-learn中的StratifiedKFold vs KFold
- 27
在scikit-learn中运行Randomforest的MemoryError
- 28
了解Scikit Learn中的Birch集群设置
- 29
scikit-learn中的叶排序
我来说两句