Python 如何使用交叉验证对多类数据集中的精度、召回率和f1分数进行评分？

此代码适用于具有2个类的数据集，但不适用于多个类

scoring = {'accuracy' : make_scorer(accuracy_score), 
       'precision' : make_scorer(precision_score),
       'recall' : make_scorer(recall_score), 
       'f1_score' : make_scorer(f1_score)}
scores = cross_val_score(gnb,x,y, cv=5, scoring=scoring)
print(scores)

错误显示

ValueError: For evaluating multiple scores, use sklearn.model_selection.cross_validate instead. {'accuracy': make_scorer(accuracy_score), 'precision': make_scorer(precision_score, average=None), 'recall': make_scorer(recall_score), 'f1_score': make_scorer(f1_score)} was passed

ValueError: Target is multiclass but average='binary'. Please choose another average setting, one of [None, 'micro', 'macro', 'weighted'].

当我检查代码时，像这样修改了它

scores = cross_val_score(gnb,x,y, cv=5, scoring='precision')

错误显示

ValueError: For evaluating multiple scores, use sklearn.model_selection.cross_validate instead. {'accuracy': make_scorer(accuracy_score), 'precision': make_scorer(precision_score, average=None), 'recall': make_scorer(recall_score), 'f1_score': make_scorer(f1_score)} was passed

ValueError: Target is multiclass but average='binary'. Please choose another average setting, one of [None, 'micro', 'macro', 'weighted'].

---

当我在

make\u scorer
中设置
平均值时，它不起作用。为f1使用评分功能“
f1\u宏”
”或“
f1\u微”
”

同样地，
recall_macro
”或“
recall_micro
”用于调用

在计算精度或召回率时，定义正类很重要，但在多类数据集中，很难定义正类

因此，应计算每个类值（即迭代每个值并将其视为正类）的平均精度（召回率）

编辑。

尝试使用以下代码（微平均精度、召回率、f1）

对f1使用计分功能“
f1\u宏”
”或“
f1\u微”
”

同样地，
recall_macro
”或“
recall_micro
”用于调用

在计算精度或召回率时，定义正类很重要，但在多类数据集中，很难定义正类

因此，应计算每个类值（即迭代每个值并将其视为正类）的平均精度（召回率）

编辑。

尝试使用以下代码（微平均精度、召回率、f1）

谢谢，但是没有定义名称“f1_宏”，等等。。你能告诉我如何定义评分函数吗？我添加了一个代码，并参考了它。参考sklearn.metrics.make_score from。我已经尝试过这种方法。。。仍不工作错误仍显示目标为多类，但平均值为“二进制”。请选择另一个平均值设置，即[无、'微'、'宏'、'加权']中的一个。这是我的核心..准确度=交叉值分数（gnb，x，y，cv=5，评分class='准确度'）精度=交叉值分数（gnb，x，y，cv=5，评分class='精密度\宏'）召回=交叉值分数（gnb，x，y，cv=5，评分class='召回宏'）f1=交叉值分数（gnb，x，y，cv=5，评分class='f1宏'）打印（精度）打印（精度）打印（召回）打印（f1）此代码正在运行..：谢谢，但尚未定义名称“f1_宏”，等等。。你能告诉我如何定义评分函数吗？我添加了一个代码，并参考了它。参考sklearn.metrics.make_score from。我已经尝试过这种方法。。。仍不工作错误仍显示目标为多类，但平均值为“二进制”。请选择另一个平均值设置，即[无、'微'、'宏'、'加权']中的一个。这是我的核心..准确度=交叉值分数（gnb，x，y，cv=5，评分class='准确度'）精度=交叉值分数（gnb，x，y，cv=5，评分class='精密度\宏'）召回=交叉值分数（gnb，x，y，cv=5，评分class='召回宏'）f1=交叉值分数（gnb，x，y，cv=5，评分class='f1宏'）打印（精度）打印（精度）打印（召回）打印（f1）此代码正在运行..：D