在 Sklearn 中使用 Classification_Report 函数答案

【问题标题】：Using Classification_Report function in Sklearn在 Sklearn 中使用 Classification_Report 函数
【发布时间】：2019-08-05 18:50:36
【问题描述】：

所以我对这个函数的理解是它把一个表分成两个，然后比较值来确定预测率

假设我有一张桌子：

Column1   Column2   Column3   Column4   Column5 
3          2          2          43         0
1          2          2          23         1
5          5          2          56         1
4          3          2          13         0
6          1          2          11         1

"Column 5" is label 0 or 1

我知道前 3 行是 100% 正确的，因为我手动为其分配了标签，但第 4 行和第 5 行是使用随机森林分类器标记的。我想看看预测率是多少

我想使用分类报告（y_true，y_pred，target_names=target_names），我的“y_true”，“y_pred”会是什么？我假设 target_names = 0,1

【问题讨论】：

标签： python scikit-learn sklearn-pandas

【解决方案1】：

y_true 是样本的真实标签，y_pred 是模型的预测。 target_name 允许您为类标签分配自定义名称

classification_report 报告模型的精度、召回率、f1 分数和支持度。

示例如sklearn所示 https://scikit-learn.org/stable/modules/generated/sklearn.metrics.classification_report.html

from sklearn.metrics import classification_report
y_true = [0, 1, 2, 2, 2]
y_pred = [0, 0, 2, 2, 1]
print(classification_report(y_true, y_pred, target_names=target_names))

例如，0 类的精度是 True Positive / True positive + False Positive，即 1/2 = 0.5

【讨论】：