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 > 精确率-召回率-F值-支持度 - Precision-Recall-FScore-Support

    精确率-召回率-F值-支持度 - Precision-Recall-FScore-Support

    最近更新时间:2022-02-24 17:41:52

    用 precision_recall_fscore_support 可以同时计算真实值和预测值之间的精确率、召回率、F 值、支持度。支持度为在真实值每一类出现的事件次数。

    语法:

    ..| score precision_recall_fscore_support pos_label=<str> average=<str> beta=<float> <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,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。不支持展示 support 值。
      • average=None(默认值),输出为每一个类分别的平均值。支持展示 support 值
      • average=micro,计算总体的平均值。不支持展示 support 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。不支持展示 support 值。
      • 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。不支持展示 support 值。
    • 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。
    • beta 参数用来指定 F 值中召回率和精确率的比重。
      • beta 越大,召回率所占比重越大。
      • beta = 1,召回率和精确率所占比重相等,F 值等于 F-1 值。
    以上内容是否对您有帮助?
  • Qvm free helper
    Close