我想将精确率和召回率的手动计算结果与scikit-learn函数进行比较。然而，scikit-learn的recall_score()和precision_score()函数给出了不同的结果。我不确定这是为什么！您能告诉我为什么我得到的结果不同吗？谢谢！

我的混淆矩阵如下：

tp, fn, fp, tn = confusion_matrix(y_test, y_test_pred).ravel()print('Outcome values : \n', tp, fn, fp, tn)

Outcome values :  3636933 34156 127 151

FDR=tp/(tp+fn) # TPR/Recall/Sensitivityprint('Recall: %.3f' % FDR)

Recall: 0.991

precision=tp/(tp + fp)print('Precision: %.3f' % precision)

Precision: 1.000

precision = precision_score(y_test, y_test_pred)print('Precision: %f' % precision)recall = recall_score(y_test, y_test_pred)print('Recall: %f' % recall)

Precision: 0.004401Recall: 0.543165

回答：

应该这样做（检查返回值的顺序）：

tn, fp, fn, tp = confusion_matrix(y_test, y_test_pred).ravel()

请参考：这里