如何使用混淆矩阵计算情感分析多类分类器的精度和召回率？答案

【问题标题】：How can I calculate Precision and Recall for sentiment analysis multi-class classifier using Confusion Matrix?如何使用混淆矩阵计算情感分析多类分类器的精度和召回率？
【发布时间】：2017-12-18 17:27:28
【问题描述】：

我想知道如何使用混淆矩阵情感分析多类分类器使用混淆矩阵计算精度和召回率。我有一个包含 5000 个文本的数据集，我对 100 个样本进行了人工标记。现在，我想根据这个数据样本计算分类器的精度和召回率。我有三门课；正面、中性和负面。

那么如何计算每个类的这些指标？

由于我是 stackoverflow 的新手，我无法说明我拥有的混淆矩阵，所以让我们假设我们有以下混淆矩阵：

red color   > Negative
green color > Positive
purple color> Neutral

【问题讨论】：

标签： classification sentiment-analysis

【解决方案1】：

你可以测量

精度=TPos/(TPos+TNeg+TNeu) 即30/(30+20+10)=50% ,

召回=TPos/(TPos+FNeg+FNeu) 即30/(30+50+20)=30% ,

F-measure=2*precision*recall/(precision+recall)=37.5%，且

准确度（全部为真）/（全部数据）=30+60+80/300=56.7%。

【讨论】：

【解决方案2】：

您可以使用 sklearn 的classification report。

【讨论】：