如何在python交叉验证中计算不同的指标值

Question

我正在使用python sk-learn库进行分类。 我正在使用交叉验证来发现分类算法的有效性。 我想计算精度，精度，召回率，F1度量。 目前，我正在使用以下代码。

           dt  =  DecisionTreeClassifier(max_depth=dt_est)
           dt_acc = cross_validation.cross_val_score(dt,x_data_tfidf.toarray(), target_arr, cv=cv,                  scoring='accuracy')
           dt_f1 = cross_validation.cross_val_score(dt,x_data_tfidf.toarray(), target_arr, cv=cv,scoring='f1')
           dt_pre = cross_validation.cross_val_score(dt,x_data_tfidf.toarray(), target_arr, cv=cv, scoring='precision')     
           dt_re = cross_validation.cross_val_score(dt,x_data_tfidf.toarray(), target_arr, cv=cv, scoring='recall')    

我想问问有什么方法可以在一次计算中获得所有（准确性，精度，召回率，f1），目前我必须单独计算所有度量。

谢谢！ 提前。

Answer 1

我不确定sklearn是否提供任何包装器功能，但是这样可以节省一些时间。

分数= [“准确性”，“ f1”，“精度”，“召回率”]

指标= {得分：cross_validation.cross_val_score（dt，x_data_tfidf.toarray（），target_arr，cv = cv，scoring = score）得分得分}

Answer 2

不幸的是，这目前尚不可能实现，但我们正在努力。 您可以定义自己的计分对象 ，以计算所有分数并将其打印/存储在某处。

仅供参考，未完成的PR在这里 。