Python 平均精度未正确显示(scikit)
我正在使用sklearn的分类报告,这是输出:Python 平均精度未正确显示(scikit),python,scikit-learn,Python,Scikit Learn,我正在使用sklearn的分类报告,这是输出: precision recall f1-score support 1 0.5525 0.8118 0.6575 71194 2 0.8782 0.1371 0.2372 13877 3 0.5343 0.6083 0.5689 61591 4 0.7953 0.3230
precision recall f1-score support
1 0.5525 0.8118 0.6575 71194
2 0.8782 0.1371 0.2372 13877
3 0.5343 0.6083 0.5689 61591
4 0.7953 0.3230 0.4594 13187
5 0.6621 0.6701 0.6661 57530
6 1.0000 0.0008 0.0017 2391
7 0.6655 0.2095 0.3187 30223
平均/总0.62210.5852 0.5566 249993
虽然当你手动操作时,你会发现这是不对的
知道为什么吗
对于其他算法的所有其他报告,我确实得到了正确的结果。我怀疑这与精度有关我认为这可能是由不平衡的类造成的。我认为总数不是班级的平均数,而是所有例子的总数。因此,当类的大小不同时,您必须采用加权平均来获得相同的结果。我认为这可能是由不平衡的类造成的。我认为总数不是班级的平均数,而是所有例子的总数。因此,当类别大小不同时,您必须采用加权平均值以获得相同的结果。当使用
sklearn.metrics
函数对多类别数据计算精度/召回率/f1分数时,您可以选择平均策略(微观/宏观/加权)。有关更多详细信息,请参阅这些函数的说明。使用多类数据上的sklearn.metrics
函数计算精度/召回率/f1分数时,可以选择平均策略(微观/宏观/加权)。有关更多详细信息,请参阅这些函数的。