如何计算“OneVsRestClassifier”分类器的准确度度量？答案

【问题标题】：How to calculate accurecy measures for "OneVsRestClassifier" classifier?如何计算“OneVsRestClassifier”分类器的准确度度量？
【发布时间】：2020-01-03 23:39:07
【问题描述】：

我有一个多类分类问题，下面的代码可以在多类级别对数据进行分类。

from sklearn import datasets
from sklearn.preprocessing import label_binarize
from sklearn.multiclass import OneVsRestClassifier
from sklearn.model_selection import cross_val_predict
from sklearn.discriminant_analysis import QuadraticDiscriminantAnalysis as QDA


iris = datasets.load_iris()
X = iris.data
y = iris.target

# Binarize the output
y_bin = label_binarize(y, classes=[0, 1, 2])
n_classes = y_bin.shape[1]

clf = OneVsRestClassifier(QDA())
y_score = cross_val_predict(clf, X, y, cv=10 ,method='predict_proba')

如何使用上述代码计算此分类器的性能指标（如下所列）？

accuracy 
specificity
sensitivity
presison
mcc
f1
Recall

谢谢你..

【问题讨论】：

一大堆代码绘制ROC曲线的目的到底是什么，与问题无关？（已移除）

标签： python machine-learning scikit-learn multiclass-classification

【解决方案1】：

你应该可以做到：

from sklearn.metrics import classification_report
print(classification_report(y_test,y_pred))

据我了解，在这种情况下，y_test 是您定义为 y 的内容，y_pred 可以通过以下方式轻松计算：

y_pred = clf.predict(X)

您可以在here 中找到有关指标的更多信息以及wikipedia 中的一些解释，请记住对于多标签类，真阴性和真阳性的概念应该有不同的理解。

【讨论】：