计算没有 sklearn 的机器学习模型的准确率

Question

我正在尝试使用以下函数计算我创建的模型的准确性：

def accuracy(y_true, y_pred):
    accuracy = np.mean(y_pred == y_true)
    return accuracy

有时它正确显示准确性，有时它不正确。有人可以解释我如何修复该功能以使其显示与 sklearn accuracy_score 相同的准确性。这是我从方法中获得的结果的示例。

y_true
[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0]

y_pred
[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0]

KNN classification accuracy:  0.0
KNN classification accuracy sklearn:  0.9428571428571428

Answer 1

使用 numpy，您可以执行以下操作：

import numpy as np
acc = np.sum(np.equal(y_true, y_pred)) / len(y_true)

Answer 2

如果您的列表中的一个值不相同，y_pred == y_true 将始终为 False。当您执行np.mean(False) 时，您将获得 0.0 的值。

您要做的是迭代地查找列表中的每个项目是否相等。这是我提出的解决方案：

def accuracy(y_true,y_pred,normalize=True):
    accuracy=[]
    for i in range(len(y_pred)):
        if y_pred[i]==y_true[i]:
            accuracy.append(1)
        else:
            accuracy.append(0)
    if normalize==True:
        return np.mean(accuracy)
    if normalize==False:
        return sum(accuracy)

准确度列表将跟踪 y_pred 的每一项是否等于 y_true。 比如https://scikit-learn.org/stable/modules/model_evaluation.html#accuracy-score， 如果它们相等，则应附加 1。如果不是，则应附加 0。

你没有在你的原始函数中包含这个，但为了防止你好奇，我像 sklearn 一样添加了 normalize 选项。 Normalize 将自动为真，并会找到均值，但如果您想要计算有多少是准确的，这就是代码。