在FastText中评估每个类的精度和召回率
在FastText中评估每个类的精度和召回率
提问于 2017-11-28 20:53:37
在this教程之后，我正在使用Facebook Research FastText库进行文本分类。我有两个标签，我正在对它们执行分类(2-class)。在测试文件上的预测输出显示了相同的精度和召回率。如何为我的测试文件计算每个类的精度和召回率？
回答 1
Stack Overflow用户
发布于 2017-12-07 06:25:51
我最近不得不自己处理这件事。此issue in Github描述该问题，并提供一个solution。
总而言之，您需要将此作为后期处理步骤来执行。链接到上面的代码将您的实际标签与预测的标签进行比较，并计算出一个混淆矩阵，该矩阵准确地反映了分类器对二进制分类的性能。这段代码只计算混淆矩阵和准确性。如果您还想添加精确度和召回率，您可以类似地使用scikitlearn API，比如sklearn.metrics.precision_recall_fscore_support
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/47532118
复制相关文章
相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号