sklearn中f1-score的简单使用

Posted wangxiaowu

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了sklearn中f1-score的简单使用相关的知识,希望对你有一定的参考价值。

简单代码

from sklearn.metrics import f1_score                  # 导入f1_score
f1_score(y_test,y_predict, average=‘micro‘)            # 调用并输出计算的值
f1_score(y_test,y_predict, average=‘macro‘)
解释

其中

  • y_test: 真实的数据集切分后的测试y的值
  • y_predict: 预测值
    avarage: 数值计算的两种不同方式

f1_score

计算公式
f1_score = (2 * Recall * Presision) / (Recall + Presision)
意义
假设Recall 与 Presision 的权重一样大, 求得的两个值的加权平均书
sklearn中的使用

导入: from sklearn.metrics import f1_score

其中:average 的取值:

  • micro: 通过计算正确,错误和否定的总数来全局计算指标
  • macro: 计算每个标签的指标,并找到其未加权平均值。这没有考虑标签不平衡。

详细内容参考: https://blog.csdn.net/weixin_46072771/article/details/105757363


以上是关于sklearn中f1-score的简单使用的主要内容,如果未能解决你的问题,请参考以下文章

机器学习之分类模型评估指标及sklearn代码实现

自用F1值

机器学习 F1-Score 精确率 - P 准确率 -Acc 召回率 - R

在下面的代码片段中的剩余 ='passthrough' 处的代码中出现语法错误

tensorflow 评估和预测的不同结果(F1-Score)

Lesson 5.2 混淆矩阵与 F1-Score