机器数据分析平台

  • 机器数据分析平台 > 使用文档 > 应用平台 > Pandora机器学习工具包 >score的使用方式详述 > 分类 - Classification > 召回率 - Recall

    召回率 - Recall

    最近更新时间:2022-02-24 17:40:11

    用 precision_score 可以计算真实值和预测值之间的召回率,即被正确判定的正样本占总的正样本的比重,通常来说,精确率越高,分类器越好。

    语法:

    ..| score recall_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。
    以上内容是否对您有帮助?
  • Qvm free helper
    Close