在Sklearn中使用Classification_Report函数

Question

所以我理解这个函数的工作原理是，它将一个表一分为二，然后比较这两个值以确定预测率

假设我有一张表：

Column1   Column2   Column3   Column4   Column5 
3          2          2          43         0
1          2          2          23         1
5          5          2          56         1
4          3          2          13         0
6          1          2          11         1

"Column 5" is label 0 or 1

我知道前3行是100%正确的，因为我手动为它分配了标签，但是第4行和第5行是使用随机森林分类器标记的。我想看看预测率是多少。

我想用classification_report(y_true，y_pred，target_names=target_names)，我的"y_true"，"y_pred“是什么？我假设target_names = 0,1

Answer 1

y_true是样本的真实标签，y_pred是我在模型中做出的预测。target_name允许您为类标签指定自定义名称

classification_report报告了模型的精确度、召回率、F1得分和支持。

示例如sklearn https://scikit-learn.org/stable/modules/generated/sklearn.metrics.classification_report.html中所示

from sklearn.metrics import classification_report
y_true = [0, 1, 2, 2, 2]
y_pred = [0, 0, 2, 2, 1]
print(classification_report(y_true, y_pred, target_names=target_names))

例如，类0的精度是真阳性/真阳性+假阳性，即1/2 = 0.5