精确率 - Precision

用 precision_score 可以计算真实值和预测值之间的精确率，即被分类器判定的正样本中真正的正样本的比重，通常来说，精确率越高，分类器越好。

语法：

..| score precision_score average=<binary(default)|micro|macro|weighted|None> pos_label=<str|int> <actual_field_1> ... <actual_field_n> against <predicted_field_1> ... <predicted_field_n>

参数说明：

• average 参数用来指定计算平均值的方式，支持设为 None, Binary, Micro, Macro and Weighted。
  • average=Binary（默认值），只支持二元数据（即数据中只有两个类），输出为定义为 pos_label 的类的平均值
  • average=None，输出为每一个类分别的平均值
  • average=micro，计算总体的平均值。
  • average=macro，计算每一个类的不加权的平均值，不关心类的数量的不平衡。
  • average=weighted，计算每一个类的加权后的平均值，关心类的数量的不平衡。
• pos_label 参数用来指定在二元数据中的正样本。
  • pos_label 必须存在于预测值或者真实值之中。
  • 当 average 不是 binary 的时候，pos_label 会被忽略。