Machine learning 多类分类的sklearn度量_Machine Learning_Scikit Learn_Precision Recall

Machine learning 多类分类的sklearn度量

machine-learning scikit-learn

Machine learning 多类分类的sklearn度量,machine-learning,scikit-learn,precision-recall,Machine Learning,Scikit Learn,Precision Recall,我使用sklearn进行了GaussianNB分类。我尝试使用以下代码计算指标： print accuracy_score(y_test, y_pred) print precision_score(y_test, y_pred) 准确度分数工作正常，但精度分数计算显示错误如下： ValueError:目标为多类，但average='binary'。请选择其他平均设置由于目标是多类的，我可以得到精度、召回率等的度量分数吗？函数调用precision\u score（y\u test，y\u

我使用sklearn进行了GaussianNB分类。我尝试使用以下代码计算指标：

print accuracy_score(y_test, y_pred)
print precision_score(y_test, y_pred)

准确度分数工作正常，但精度分数计算显示错误如下：

ValueError:目标为多类，但average='binary'。请选择其他平均设置

由于目标是多类的，我可以得到精度、召回率等的度量分数吗？

函数调用

precision\u score（y\u test，y\u pred）

相当于

precision\u score（y\u test，y\u pred，pos\u label=1，average='binary'）

。文档（）告诉我们：

“二进制”：

仅报告pos_标签指定类别的结果。这仅适用于目标（y_{true，pred}）是二进制的情况

所以问题是你的标签不是二进制的，而是一个热编码的。幸运的是，还有其他选项可以处理您的数据：

precision\u score（y\u test，y\u pred，average=None）

将返回每个类的精度分数，而

precision\u score（y\u test，y\u pred，average='micro'）

将返回总比率总磷/（总磷+总磷）

如果您选择另一个

average

选项而不是

binary

，那么

pos\u label

参数将被忽略。很好的答案，sklearn文档缺少的一件事是在average=None时指定类的顺序。“没有什么是不可能计算的，但如果也包括这一点就好了。”托马索格里尼完全同意。我在这一页结束，因为我不知道sklearn输出精度分数的顺序…@ml4294谢谢你的澄清我想知道我的情况是否如此？