一般的二分類任務(wù)需要的評價(jià)指標(biāo)有4個

• accuracy
• precision
• recall
• f1-score

四個指標(biāo)的計(jì)算公式如下

?

計(jì)算這些指標(biāo)要涉及到下面這四個概念，而它們又構(gòu)成了混淆矩陣

• TP (True Positive)
• FP (False Positive)
• TN (True Negative)
• FN (False Negative)

這里我給出的混淆矩陣是按照sklearn-metrics-confusion_matrix的形式繪制的。

Negative中文譯作陰性，一般指標(biāo)簽0；Positive中文譯作陽性，一般指標(biāo)簽1。

True中文譯作預(yù)測正確；False中文譯作預(yù)測錯誤。

TN? 預(yù)測正確（True）并且預(yù)測值為陰性（Negative）即實(shí)際值和預(yù)測值均為0

TP? 預(yù)測正確（True）并且預(yù)測值為陽性（Positive）即實(shí)際值和預(yù)測值均為1

FN? 預(yù)測錯誤（False）并且預(yù)測值為陰性（Negative）即實(shí)際值為1，預(yù)測值為0

FP? 預(yù)測錯誤（False）并且預(yù)測值為陽性（Positive）即實(shí)際值為0，預(yù)測值為1

下面以實(shí)際代碼為例進(jìn)行介紹

from sklearn import metrics
print(metrics.confusion_matrix(y_true=[0, 0, 0, 1, 1, 1],
    y_pred=[1, 1, 1, 0, 1, 0]))

這里的y_true是實(shí)際值，y_pred是預(yù)測值，可以觀察到

TN=0，沒有樣本實(shí)際值和預(yù)測值同時(shí)為0

TP=1，只有第5個樣本實(shí)際值和預(yù)測值均為1

FN=2，第4,6個樣本實(shí)際值為1且預(yù)測值為0

FP=3，第1,2,3個樣本實(shí)際值為0且預(yù)測值為1

輸出結(jié)果也和我們觀察的一致

[[0 3]
 [2 1]]

編寫函數(shù)根據(jù)混淆矩陣計(jì)算 accuracy, precision, recall, f1-score

def cal(array):
    tp = array[1][1]
    tn = array[0][0]
    fp = array[0][1]
    fn = array[1][0]
    a = (tp+tn)/(tp+tn+fp+fn)
    p = tp/(tp+fp)
    r = tp/(tp+fn)
    f = 2*p*r/(p+r)
    print(a,p,r,f)

使用編寫的函數(shù)cal計(jì)算該混淆矩陣的四項(xiàng)指標(biāo)，并與metric自帶的分類報(bào)告(classification_report)函數(shù)的結(jié)果進(jìn)行比較，這里第三個參數(shù)digits=4表示保留4位小數(shù)

cal([[0, 3],[2, 1]])
print(metrics.classification_report(y_true=[0, 0, 0, 1, 1, 1], y_pred=[1, 1, 1, 0, 1, 0], digits=4))

運(yùn)行結(jié)果如下，可以發(fā)現(xiàn)兩者的計(jì)算結(jié)果一致。

0.16666666666666666 0.25 0.3333333333333333 0.28571428571428575
              precision    recall  f1-score   support

           0     0.0000    0.0000    0.0000         3
           1     0.2500    0.3333    0.2857         3

    accuracy                         0.1667         6
   macro avg     0.1250    0.1667    0.1429         6
weighted avg     0.1250    0.1667    0.1429         6

這里需要補(bǔ)充說明一下，為什么0那一行和1那一行都有precision, recall, f1-score。

一般來說，我們通常計(jì)算的這三項(xiàng)指標(biāo)均是把1視為陽性，把0視為陰性，以1作為研究對象。所以1那一行的三項(xiàng)指標(biāo)的值和cal函數(shù)計(jì)算的結(jié)果一致。而0那一行表示把0作為研究對象。文章來源地址http://www.zghlxwxcb.cn/news/detail-456181.html

到了這里，關(guān)于一文帶你搞懂sklearn.metrics混淆矩陣的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！