我的问题是关于二元分类，我使用以下代码来获取准确率和加权平均召回率。

from sklearn.ensemble import RandomForestClassifierclf=RandomForestClassifier(random_state = 0, class_weight="balanced")from sklearn.model_selection import cross_validatecross_validate(clf, X, y, cv=10, scoring = ('accuracy', 'precision_weighted', 'recall_weighted', 'f1_weighted'))

我注意到准确率和加权平均召回率的值是相等的。然而，据我所知，这两个指标衡量的是不同的方面，因此我不明白为什么它们会完全相等。

我找到了一篇有类似问题的帖子：https://www.researchgate.net/post/Multiclass_classification_micro_weighted_recall_equals_accuracy。然而，我发现那篇帖子的答案对我没有帮助。

如果需要，我很乐意提供更多细节。

回答：

准确率的计算公式是：

TP + TN / (P+ N)

假设你有50个正类和50个负类，并且模型正确预测了25个正类和25个负类，那么：

25 + 25 / (50+50) = 0.5

加权平均召回率：首先是召回率：TP/P = 25/50 = 0.5

加权召回率：

(recall_posivite*number_positve)+(recall_negative*number_negative)/(number_positive + number_negativ) = 0.5*50+0.5*50/(50+50) = 50/100 = 0.5

我希望这有助于理解这种情况是可能发生的！