Warning: file_get_contents(/data/phpspider/zhask/data//catemap/2/python/354.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
Python sklearn.metrics防止未标记的预测被归类为误报_Python_Machine Learning_Scikit Learn - Fatal编程技术网
Fatal编程技术网
  • python/
  • Python sklearn.metrics防止未标记的预测被归类为误报

Python sklearn.metrics防止未标记的预测被归类为误报

python machine-learning scikit-learn

Python sklearn.metrics防止未标记的预测被归类为误报,python,machine-learning,scikit-learn,Python,Machine Learning,Scikit Learn,我有一个多类、单标签分类器，它将一些样本预测为“-1”，这意味着它没有足够的信心为样本指定一个标签。我想使用sklearn.metrics.precision\u recall\u fscore\u support来计算模型的指标，但是我无法防止“-1”分类被视为误报 我能想到的唯一一件事是，在“每类”的基础上对指标进行此操作，然后对不包括“-1”类的指标进行加权平均（即精确性\u召回\u fscore\u支持中的微选项，同时排除“-1”误报） 在sklearn中有没有标准化的方法可以做到这一点

我有一个多类、单标签分类器，它将一些样本预测为
“-1”
，这意味着它没有足够的信心为样本指定一个标签。我想使用
sklearn.metrics.precision\u recall\u fscore\u support
来计算模型的指标，但是我无法防止
“-1”
分类被视为误报

我能想到的唯一一件事是，在“每类”的基础上对指标进行此操作，然后对不包括
“-1”
类的指标进行加权平均（即
精确性\u召回\u fscore\u支持中的
微
选项，同时排除
“-1”
误报）


在sklearn中有没有标准化的方法可以做到这一点，而不必自己计算平均值？
我相信我已经找到了答案。
precision\u recall\u fscore\u support
的
labels
参数允许您指定要使用的标签。因此，通过使用
labels=list（set（y_-true）.union（set（y_-pred））.difference（set（[“-1]”））

我能够获得想要的行为