在Python中使用Logistic回归的预测矢量的准确性得分

Question

我正在使用Logistic回归方法进行多类分类。 基本上我知道，如果我使用precision_score（）函数（例如，来自sklearn库），它将像下面这样计算出不同值到不同值的准确性：

y_pred = [0, 2, 1, 3]
y_true = [0, 1, 2, 3]
accuracy_score(y_true, y_pred)
0.5

但是我想为每个标签（来自predict_proba）的顶级Logistic回归预测的向量获取precision_score_new（）函数，并计算真实标签是否在此间隔内，如下所示：

y_pred = [[0,1,3] [2,1,4], [1,2,5] [3,7,9]]
y_true = [0, 1, 2, 3]
accuracy_score_new(y_true, y_pred)
1

此示例中的precision_score_new等于1，因为分类器预测标签在间隔中。 如何完成此功能？

Answer 1

是的，您可以使用sklearn中的make_scorer函数来实现。 想法是，您在定义自定义函数时假设它获得了两个参数y_true和y_pred。 如果需要，还可以添加任何其他参数。

这是一个示例： 自定义评分功能

这是另一个示例：同时使用MSE和R2分数

这个答案可能也会有所帮助。

Answer 2

准确性就是（匹配值/总值）。

因此，在您的情况下，它将类似于：

def accuracy_score_new(y_pred, y_true):
    matched = 0
    for y_p, y_t in zip(y_pred, y_true):
        if y_t in y_p:
            matched = matched + 1

    return (matched / (float) len(y_true))