Python 在Sklearn中使用分类报告功能
所以我理解这个函数的工作原理是,它将一个表拆分为两个,然后比较这些值以确定预测率 假设我有一张桌子:Python 在Sklearn中使用分类报告功能,python,scikit-learn,sklearn-pandas,Python,Scikit Learn,Sklearn Pandas,所以我理解这个函数的工作原理是,它将一个表拆分为两个,然后比较这些值以确定预测率 假设我有一张桌子: Column1 Column2 Column3 Column4 Column5 3 2 2 43 0 1 2 2 23 1 5 5 2 56 1 4 3
Column1 Column2 Column3 Column4 Column5
3 2 2 43 0
1 2 2 23 1
5 5 2 56 1
4 3 2 13 0
6 1 2 11 1
"Column 5" is label 0 or 1
我知道前3行是100%正确的,因为我手动为它指定了标签,但第4行和第5行是使用随机森林分类器标记的。我想看看预测率是多少
我想使用分类报告(y_true,y_pred,target_names=target_names),我的“y_true”,“y_pred”是什么?我假设target_names=0,1y_true是样本的真实标签,y_pred是模型的预测。target_name用于为类标签指定自定义名称 分类报告反映了模型的精确度、召回率、f1分数和支持度 示例如sklearn所示
例如,类别0的精度为真阳性/真阳性+假阳性,即1/2=0.5y\u True是样本的真实标签,y\u pred是模型的预测。target_name用于为类标签指定自定义名称 分类报告反映了模型的精确度、召回率、f1分数和支持度 示例如sklearn所示 例如,0类的精度为真阳性/真阳性+假阳性,即1/2=0.5
from sklearn.metrics import classification_report
y_true = [0, 1, 2, 2, 2]
y_pred = [0, 0, 2, 2, 1]
print(classification_report(y_true, y_pred, target_names=target_names))