Python 深入研究分类报告
我有一个很大的数据集,有两个特征,但有很多样本。我试图通过有监督的分类器对它们进行分类。我的目标是实现哪些类的准确率或召回率低于60%。是否有任何特定的脚本,我可以运行,以获得我的准确率和召回率低于60%的类号 到目前为止,我应用的代码如下所示,但它不是动态的。 我可以通过以下行获得分类报告:“打印(metrics.classification_report(y_test,y_pred))” 但我有200个类别标签,我只想挑选精度和召回率低于60%的标签Python 深入研究分类报告,python,classification,metrics,precision-recall,Python,Classification,Metrics,Precision Recall,我有一个很大的数据集,有两个特征,但有很多样本。我试图通过有监督的分类器对它们进行分类。我的目标是实现哪些类的准确率或召回率低于60%。是否有任何特定的脚本,我可以运行,以获得我的准确率和召回率低于60%的类号 到目前为止,我应用的代码如下所示,但它不是动态的。 我可以通过以下行获得分类报告:“打印(metrics.classification_report(y_test,y_pred))” 但我有200个类别标签,我只想挑选精度和召回率低于60%的标签 scores = cross_val_s
scores = cross_val_score(estimator= DecisionTreeClassifier(),
X=X_train,
y=y_train,
cv=5,
n_jobs=-1)
print('CV accuracy scores: %s' % scores)
print('CV accuracy: %.3f +/- %.3f' % (
np.mean(scores), np.std(scores)))
model.fit(X_train, y_train)
y_pred = model.predict(X_test)
print('Test Accuracy: %.3f' % model.score(X_test, y_test))
print(metrics.classification_report(y_test, y_pred))