classification_report的调用为:classification_report(y_true, y_pred, labels=None, target_names=None, sample_weight=None, digits=2, output_dict=False)

y_true : 真实值
y_pred : 预测值

from sklearn.metrics import classification_report

truey = np.array([0,0,1,1,0,0])
prey = np.array([1,0,1,0,0,0])
print(classification_report(truey,prey,target_names=['zhen','jia']))

量化预测质量之分类报告 sklearn.metrics.classification_report-LMLPHP

1)fraction of true positives/false positive/false negative/true negative

True Positive (真正, TP)被模型预测为正的正样本;

True Negative(真负 , TN)被模型预测为负的负样本 ;

False Positive (假正, FP)被模型预测为正的负样本;

False Negative(假负 , FN)被模型预测为负的正样本;

2)precision/recall,准确率和召回率

系统检索到的相关文档(A)

系统检索到的不相关文档(B)

相关但是系统没有检索到的文档(C)

不相关但是被系统检索到的文档(D)

召回率R:R=A/(A+C)

精度P: P=A/(A+B).

3)F1-score

F1分数可以看作是模型准确率和召回率的一种加权平均,它的最大值是1,最小值是0。

量化预测质量之分类报告 sklearn.metrics.classification_report-LMLPHP
05-24 08:38