Select 只有在多类分类问题中具有最佳度量（f1 分数）的类

Question

我有近 50 个类的多类分类问题。 在我运行模型后，一些课程获得了很好的分数（0.70 或更高），而其他课程则表现不佳。

我想做的是根据我获得的指标，只保留成绩好的课程，并只为他们创建一个 model 。

如何从我的 model 的分类报告结果中挑选出好的类？

这是我要提取并保留的类

Answer 1

classification_report有一个output_dict参数，它导致 function 返回字典而不是字符串。

如果你有一个好的f1 分数的阈值（例如0.7 ），你可以迭代结果和 select 值高于阈值的标签：

from sklearn.metrics import classification_report

y_true = [0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 3, 3, 3, 3]
y_pred = [0, 1, 2, 0, 0, 1, 4, 3, 1, 1, 2, 2, 2, 3, 2, 1, 3, 3, 3]
labels = [0, 1, 2, 3]

cr = classification_report(y_true, y_pred, output_dict=True)

for l in labels:
    if (f1_score := cr[str(l)]["f1-score"]) > 0.7:
        print(f"Label {l}, f1-score: {f1_score:.3f}")

Output：

Label 0, f1-score: 0.750
Label 2, f1-score: 0.800