按类别计算查准率和召回率

Question

我正在处理两个类数据集，2和4，其中2是正类，4是负面类(关于情感分析)。

我从我的模型中得到了一组预测，以及一组实际值。我需要确定每个班级的精确性和召回率(正负两级的P和R分数)。

代码如下：

preds = [4, 4,  4,  4,  4,  4,  4,  4,  4,  4,  4,  4,  4,  2,  4,  4,  4,  4,  4,  2,  2,  4,  4,  4,  4,  2]
actuals = [2,   4,  2,  4,  2,  4,  2,  4,  4,  4,  2,  4,  4,  4,  2,  2,  4,  4,  2,  4,  4,  4,  4,  4,  4,  2]

true_pos = 0
true_neg = 0
false_pos = 0
false_neg = 0
for pred, act in zip(preds, actuals):
    # 2 is positive, 4 is negative

    if(pred == 2 & act == 2):
        true_pos += 1

    elif(pred == 4 & act == 4):
        true_neg += 1

    elif(pred == 2 & act == 4):
        false_pos += 1

    elif(pred == 4 & act == 2):
        false_neg += 1

print("True Positive: ", true_pos)
print("True Negative: ", true_neg)
print("False Positive: ", false_neg)
print("False Negative: ", false_neg)

产生的结果：

True Positive:  1
True Negative:  14
False Positive:  0
False Negative:  0

然而，我真的被困在应该如何按类计算这些指标上了。This SO post指示如何在总体上(而不是按类)执行此操作。

理想情况下，我的输出如下：

Class 2 P Score: x
Class 2 R Score: x
Class 4 P Score: x 
Class 4 R Score: x

但我不知道如何计算。

我如何调整我目前的逻辑，以检查精度和召回分数的每一个班级与上述数据？

Answer 1

我想我知道你该朝哪个方向走：

https://scikit-learn.org/stable/modules/generated/sklearn.metrics.confusion_matrix.html

这应该是你要找的。

请参阅维基百科链接：https://en.wikipedia.org/wiki/Confusion_matrix

读一读如何使用这个。