使用sklearn获取精确度和召回率

使用下面的代码,我已经得到了Accuracy。现在我想

1) 找到每个折叠的precisionrecall(总共有10个折叠)

2) 得到precisionmean

3) 得到recallmean

这可能类似于下面的print(scores)print("Accuracy: %0.2f (+/- %0.2f)" % (scores.mean(), scores.std() * 2))

有什么想法吗?


回答:

这有点不同,因为cross_val_score不能计算非二元分类的精确度/召回率,所以你需要使用recision_score, recall_score并手动进行交叉验证。参数average=’micro’计算全局精确度/召回率。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注