從Python中的混淆矩陣計算精度和召回率

Question

我有一個2類的混淆矩陣，並以熊貓數據框格式預先計算了總數：

    Actual_class  Predicted_class_0  Predicted_class_1  Total  
0         0              39                 73           112   
1         1              52                561           613          
2        All             91                634           725        

我需要使用循環來計算精度和召回率，因為我需要用於更多類的通用案例解決方案。

0級的精度為39/91，而1級的精度為561/634。
類別0的召回率為39/112，類別1的召回為561/613。

所以我需要對角線和總計進行迭代以獲得以下結果

    Actual_class  Predicted_class_0  Predicted_class_1  Total Precision Recall  
0         0              39                 73           112     43%     35%
1         1              52                561           613     88%     92%     
2        All             91                634           725    

總計（“所有行”和“總計”列）將被刪除后綴，因此沒有必要計算它們。

我嘗試了以下代碼，但它不會按對角線方向運行，並且會丟失類0的數據：

cols = [c for c in cross_tab.columns if c.lower()[:4] == 'pred'] 

for c in cols:  
    cross_tab["Precision"] = cross_tab[c]/cross_tab[c].iloc[-1]

for c in cols:  
    cross_tab["Recall"] = cross_tab[c]/cross_tab['Total']

我是熊貓矩陣運算的新手，確實需要您的幫助。

我敢肯定有一種無需預先計算總數的方法。

非常感謝你！！！

Answer 1

我找到了一個使用numpy對角線的解決方案：

import numpy as np  
cols = [c for c in cross_tab.columns if c.lower()[:4] == 'pred' or c == 'Total'] 

denomPrecision=[]
for c in cols:
    denomPrecision.append(cross_tab[c].iloc[-1])

diag = np.diagonal(cross_tab.values,1)

cross_tab["Precision"] = np.round(diag.astype(float)/denomPrecision*100,1)

cross_tab["Recall"] = np.round(diag.astype(float)/cross_tab.Total*100,1)