分类报告中的查准率和召回率是如何计算的？

Question

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

但这是在召回中。

计算召回率的公式是真阳性/(真阳性+假阴性)

4/(4+1) = 0.80

我看起来没什么区别。

Answer 1

在没有看到代码的情况下很难确定，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。在没有标签的情况下，它通过解释混淆矩阵来决定导致假阳性和假阴性交换的排序。