如何在 python 中使用 libSVM 计算精度、召回率和 F 分数

Posted 2023-03-12

【中文标题】如何在 python 中使用 libSVM 计算精度、召回率和 F 分数

【英文标题】：How to calculate precision, recall and F-score with libSVM in python

【发布时间】：2013-05-31 10:43:44

【问题描述】：

我想在 Python 中使用 libsvm 计算 precision、recall 和 f-score，但我不知道如何。我找到了this site，但我不明白如何调用该函数，如果你能通过示例帮助我。

【参考方案1】：

您可以利用 scikit-learn，它是 Python 中机器学习的最佳软件包之一。它的 SVM 实现使用libsvm，您可以计算出精度、召回率和 f-score，如下面的 sn-p 所示：

from sklearn import svm
from sklearn import metrics
from sklearn.cross_validation import train_test_split
from sklearn.datasets import load_iris

# prepare dataset
iris = load_iris()
X = iris.data[:, :2]
y = iris.target
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# svm classification
clf = svm.SVC(kernel='rbf', gamma=0.7, C = 1.0).fit(X_train, y_train)
y_predicted = clf.predict(X_test)

# performance
print "Classification report for %s" % clf
print
print metrics.classification_report(y_test, y_predicted)
print
print "Confusion matrix"
print metrics.confusion_matrix(y_test, y_predicted)

这将产生类似这样的输出：

Classification report for SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0, degree=3, gamma=0.7,
kernel=rbf, max_iter=-1, probability=False, shrinking=True, tol=0.001,
verbose=False)

             precision    recall  f1-score   support

          0       1.00      1.00      1.00         9
          1       0.90      0.69      0.78        13
          2       0.64      0.88      0.74         8

avg / total       0.86      0.83      0.84        30


Confusion matrix
[[9 0 0]
 [0 9 4]
 [0 1 7]]

当然，您可以使用您提到的libsvm tools，但它们仅适用于二进制分类，而scikit允许您使用多类。

【讨论】：

您正在加载什么数据集？例如，如果我的数据集在文本文件中，如何使用它们？

在示例中，我使用了一个名为 iris 的预定义数据集，它带有 scikit-learn。对于特定数据集，您需要将文本数据转换为 numpy 矩阵。