分类报告中的precision和recall是如何计算的？答案

【问题标题】：How is the precision and recall calculated in the classification report?分类报告中的precision和recall是如何计算的？
【发布时间】：2020-04-19 11:16:24
【问题描述】：

Confusion Matrix :

[[4 2]

 [1 3]]

Accuracy Score : 0.7

Report :

              precision    recall  f1-score   support

          0       0.80      0.67      0.73         6

          1       0.60      0.75      0.67         4

avg / total       0.72      0.70      0.70        10

从公式精度=真阳性/（真阳性+假阳性）

4/(4+2) = 0.667

但这正在召回中。

recall的计算公式是真阳性/（真阳性+假阴性）

4/(4+1) = 0.80

我似乎没有得到区别。

【问题讨论】：

标签： machine-learning data-science precision metrics confusion-matrix

【解决方案1】：

没有看到代码很难确定，但我猜你正在使用 Sklearn 并且没有将标签传递到你的混淆矩阵中。如果没有标签，它会通过解释混淆矩阵来决定导致误报和误报交换的顺序。

【讨论】：