Python 使用numpy计算精度和准确度

假设两个列表

true\u值=[1,0,1,0,0,1,1,0,0,1,1,0]

和

预测=[1,1,0,1,0,1,1,1,1,0]

。如何使用numpy计算精度和精度

---

如果您真的想自己计算，而不是使用中的库，只需计算（真|假）（正|负）的数量，并将这些值插入公式：

tp = 0
tn = 0
fp = 0
fn = 0

for t,p in zip(true_values, predictions):
   if t == p:
       if p == 1:
           tp += 1
       else:
           tn += 1
   else:
       if p == 1:
           fn += 1
       else:
           fp += 1

accuracy = (tp + tn) / (tp + tn + fp + fn)
precision = tp / (tp + fp)

---

这有一个很好的信息框，其中包含的公式正好使用了这些值。

这就是

sklearn

，它在窗帘后面使用

numpy

，用于：

from sklearn.metrics import precision_score, accuracy_score

accuracy_score(true_values, predictions), precision_score(true_values, predictions)

输出：

(0.3333333333333333, 0.375)

---

这是我想出的最简洁的方法（假设没有sklearn），但可能会更短

我只想回答精确性问题，因为我发布了一份精确性问题的副本，每个线程应该有一个问题：

sum(map(lambda x, y: x == y == 1, true_values, predictions))/sum(true_values)

如果您绝对想使用Numpy，请使用

np.sum

以下是平均值：

np.equal(true_values, predictions).mean()

---

@托马斯：不，我在金融领域。事实上，我工作需要它。这能回答你的问题吗@Nicolas Gervais不，我不是在家工作我不能用sklearn。你想让我以更简洁的方式使用numpy吗？虽然这是正确的，但几乎没有人用这种方式计算这些值：）@Quang Hoang:同意：）我发布它主要是为了教育目的。来吧，为了完整起见，也发布准确代码。仅供参考，在这个网站上结束问题的原因是“帖子里有不止一个问题”，我想看看你的答案是否准确。Please@David为确保准确性，请删除分子中的

==1

部分，并用分母中的

len

替换

sum

。

精度=（预测值*真值）。sum（）/predictions.sum（）

。

0.5

np.equal(true_values, predictions).mean()