在 PyML 中获取多类问题的召回率（灵敏度）和精度（PPV）值

Posted 2023-03-12

【中文标题】在 PyML 中获取多类问题的召回率（灵敏度）和精度（PPV）值

【英文标题】：Get recall (sensitivity) and precision (PPV) values of a multi-class problem in PyML

【发布时间】：2011-04-20 20:07:54

【问题描述】：

我正在使用PyML 进行 SVM 分类。但是，我注意到当我使用 LOO 评估多类分类器时，结果对象不会报告敏感度和 PPV 值。相反，它们是 0.0：

from PyML import *
from PyML.classifiers import multi

mc = multi.OneAgainstRest(SVM())
data = VectorDataSet('iris.data', labelsColumn=-1)
result = mc.loo(data)

result.getSuccessRate()
>>> 0.95333333333333337
result.getPPV()
>>> 0.0
result.getSensitivity()
>>> 0.0

我查看了代码，但无法弄清楚这里出了什么问题。有人可以解决这个问题吗？

【参考方案1】：

对于多类灵敏度计算，您可以使用scikit-learn metrics API。

通知average=None，每个类别的敏感性独立。

sklearn.metrics.recall_score(Y_true,Y_prediction,average=None)

例如，如果Y 有 4 个类，则结果将是一个数组，每个类都具有敏感性。

array([0.96629213, 0.86263736, 0.81920904, 0.7704918])

【参考方案2】：

对于多类问题，您无法获得通常的 Precision/Recall 测量值。您必须获得每个类的 Precision/Recall，并且可以计算加权平均值。

我不知道 PyML 的具体细节，但您可以查看预测并为每个类计算它们。