评估指标的手动计算与 Sklearn 函数不匹配

Posted 2023-03-12

【中文标题】评估指标的手动计算与 Sklearn 函数不匹配

【英文标题】：Mismatch of manual computation of a evaluation metrics with Sklearn functions

【发布时间】：2021-11-16 01:00:00

【问题描述】：

我想将手动计算的精度和召回率与 scikit-learn 函数进行比较。然而，recall_score() 和 precision_score() of scikit-learn 函数给了我不同的结果。不知道为什么！您能否给我一些建议，为什么我会得到不同的结果？谢谢！

我的混淆矩阵：

tp, fn, fp, tn = confusion_matrix(y_test, y_test_pred).ravel()
print('Outcome values : \n', tp, fn, fp, tn)

Outcome values : 
 3636933 34156 127 151

FDR=tp/(tp+fn) # TPR/Recall/Sensitivity
print('Recall: %.3f' % FDR)

Recall: 0.991

precision=tp/(tp + fp)
print('Precision: %.3f' % precision)

Precision: 1.000

precision = precision_score(y_test, y_test_pred)
print('Precision: %f' % precision)
recall = recall_score(y_test, y_test_pred)
print('Recall: %f' % recall)

Precision: 0.004401
Recall: 0.543165

【问题讨论】：

请提供示例数据（最小可重复示例）。当我尝试使用示例时，无论是手动计算还是使用 sklearn 函数计算的值都匹配。

@SoniaSamipillai 我有大量数据集。为了方便起见，我添加了混淆矩阵。

【参考方案1】：

应该是（检查返回值的顺序）：

tn, fp, fn, tp = confusion_matrix(y_test, y_test_pred).ravel()

请参考：here