阅读评估指标的分类报告？

Question

我使用的"classification_report“来自：

from sklearn.metrics import classification_report

为了评价一个分类模型。

我怎么看这份报告？精确、回忆和F1分数的价值是什么？

是精度= 56%还是25%，也适用于回忆和F1评分？

Answer 1

不，因为精确性、召回和F1-分数只为二进制分类定义，而这份报告是关于一个多类分类问题(有8个类)。

注意:为了理解这类分类报告，首先需要理解混淆矩阵中的事物是如何工作的(对于sklearn，我们可以使用函数confusion_matrix)。对于每一个真实的X类和每个预测的Y类，一个混淆矩阵显示出具有真X类并被预测为Y类的实例数。分类报告中的值是从混淆矩阵中计算出来的，手工计算几次是一个很好的练习，以了解分类报告中的事情是如何工作的。

• 分类报告第一部分中的每一行都侧重于一个类X而不是任何其他类。这意味着它给出了精确、回忆和F1分数的值，就好像只有两个类:X和"not X“。
• 在报告的第二部分中，精度、报表和F1分数值都是跨类汇总的。但是聚合它们有不同的方法，每一种方法都意味着不同的东西(参见这个问题)。
  • 宏平均是跨类的简单平均值。这意味着它不关心每个类有多少个实例，它认为它们都是同等重要的。
  • 加权平均加权每个类别的值及其在数据中的比例。这意味着它比小类更重视大类，因此它倾向于用小类来掩盖问题。

该分类器存在一个常见的问题:它忽略了所有的小类，只预测了最大的3、4和7类。