精度，召回率，F分数要求相等的输入

Question

我正在使用scikit-learn通过以下方式查看精度，召回率和f分数：

from sklearn.metrics import `precision_score`

然后：

y_true = np.array(["one", "two", "three"])
y_pred = np.array(["one", "two"])

precision = precision_score(y_true, y_pred, average=None)
print(precision)

返回的错误是：

ValueError：找到输入样本数量不一致的输入变量：[3，2]

由于输入数组不平衡，为什么scikit-learn需要相等数量的输入？ 尤其是在评估召回率时（我本以为是猜测多于答案）。

我可以实现自己的指标，也可以减少数组以使其匹配。 我想确定没有根本原因不应该这样做吗？

Answer 1

这实际上取决于您的y_true和y_pred在您的情况下的含义。 但通常， y_true将是一个向量，指示y_pred 每个元素的真实值是y_pred 。 我认为这不是您的情况，要使用scikit-learn的指标，您需要将其放入该格式。

因此，对于二进制分类，精度为：

correct_classifications = (y_true == y_pred).astype(int)
precision = sum(y_pred * correct_classifications) / sum(y_pred)

在这里，您需要将y_true和y_pred的长度设置为相同。

Answer 2

这很简单，因为sklearn在这里扮演着安全的角色。

您没有对测试集进行100％的预测是没有道理的。

假设您的数据集中有1M个数据点，但您只能预测200k，那是前200k点吗？ 最后？ 遍布？ 图书馆如何知道哪个匹配哪个？

在指标计算的输入处必须具有1：1的对应关系。 如果您对某些点没有预测，请将其排除（但要确保首先知道为什么没有这种预测，如果管道没有问题）-您不想说您具有1％的精度的100％召回率，最终您仅预测了10％的数据集。