如何解决我计算精度和召回率时出了什么问题?
假设有8个红球,1个绿色和1个蓝色。数据非常不平衡。我很愚蠢,预测10个都是红色。我是否弄清了混淆矩阵?如果是这样,我对所有类别的真实肯定值求和,对所有类别(真实肯定+假肯定值)求和,它们的商应该是我愚蠢分类的 precision ,对吧?为什么看起来这么好? 召回也是如此。
此外,他们与sklearn
计算的结果不同,这似乎更明智。
from sklearn.metrics import precision_score,recall_score
a = ["R"]*8 + ["G"] + ["B"]
b = ["R"]*10
print("Precision:",precision_score(a,b,average="macro"))
print("Recall:",recall_score(a,average="macro"))
Precision: 0.26666666666666666
Recall: 0.3333333333333333
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。