precision_recall_fscore_support 返回相同的值精度召回答案

【问题标题】：precision_recall_fscore_support return the same value precision recallprecision_recall_fscore_support 返回相同的值精度召回
【发布时间】：2018-08-26 06:12:58
【问题描述】：

我正在使用来自sklearn 的precision_recall_fscore_support 来计算微精度和微召回。

问题是该函数为它们返回完全相同的值。这是一个多类分类问题，我不确定出了什么问题。

代码如下：

t = precision_recall_fscore_support(y_test, classifier.predict(x_test), average='micro')
print(t)

这是输出：

微精度：(0.3359375, 0.3359375, 0.3359375, None)

【问题讨论】：

这可能不是函数的问题，而是预测的问题。男人的价值观有多少，你能把它们包括在帖子里吗？
我不确定我是否理解你的名字，但如果你问的是有多少样本，那么有 128 个。
请显示y_test的完整数据和classifier.predict(x_test)的输出。
请告诉我们更多关于您正在使用的数据的信息。另外，从classification_report 获取结果并将其添加到问题中，这样我们就可以知道每个班级的分数，而无需考虑平均值

标签： python scikit-learn multilabel-classification

【解决方案1】：

您希望看到什么？在第 3.3.2.8.2 节中。在文档here 中，它指出在包含所有标签的多类设置中的“微”平均将产生相同的精度、召回率和 F”，并建议您应该尝试 average = "weighted"。

Here 是 Scikit-learn 的 Github 上的类似投诉。

【讨论】：