我得到 average_precision_score(y_test,y_predict) =1 。它背后的直觉是什么？答案

【问题标题】：I am getting average_precision_score(y_test,y_predict) =1 . what is the intuition behind it?我得到 average_precision_score(y_test,y_predict) =1 。它背后的直觉是什么？
【发布时间】：2019-04-03 19:28:40
【问题描述】：

我正在研究一个不平衡的二元分类问题，数据有 97% 支持一个类。我正在使用朴素贝叶斯分类器，并且我将测试 cv 分数设为 1 。我也将 average_precision_score() 用作 1 。这个结果背后的直觉是什么，我怎样才能更好地分类这个问题。

【问题讨论】：

标签： python-3.x machine-learning scikit-learn classification precision-recall

【解决方案1】：

为了更好地分类问题，您需要处理类不平衡问题。尝试阅读有关如何处理此类不平衡的文章：

https://www.analyticsvidhya.com/blog/2017/03/imbalanced-classification-problem/

【讨论】：

【解决方案2】：

您需要做的一般事情： 1. 考虑类别不平衡的 CV 方法（类似于 StratifiedKFold）。这样你就可以确保你的测试集中总是有次要类 2. 另一个指标（甚至可能是针对不同错误类型使用不同权重的自定义指标）。例如，看一下焦点损失 3.过采样/下采样技术（imblearn in Python）

进一步的步骤 4. 可视化（TSNE）。可以给你一些关于一般模式的想法 5. 特征重要性和基于重要特征的特征工程（可以使分类更容易） 5. 另一个模型（取决于（4）），boosting

【讨论】：