[英]Accuracy Score for a vector of predictions using Logistic Regression in Python
我正在使用Logistic回歸方法進行多類分類。 基本上我知道,如果我使用precision_score()函數(例如,來自sklearn庫),它將像下面這樣計算出不同值到不同值的准確性:
y_pred = [0, 2, 1, 3]
y_true = [0, 1, 2, 3]
accuracy_score(y_true, y_pred)
0.5
但是我想為每個標簽(來自predict_proba)的頂級Logistic回歸預測的向量獲取precision_score_new()函數,並計算真實標簽是否在此間隔內,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等於1,因為分類器預測標簽在間隔中。 如何完成此功能?
是的,您可以使用sklearn中的make_scorer函數來實現。 想法是,您在定義自定義函數時假設它獲得了兩個參數y_true和y_pred。 如果需要,還可以添加任何其他參數。
這是一個示例: 自定義評分功能
這是另一個示例:同時使用MSE和R2分數
這個答案可能也會有所幫助。
准確性就是(匹配值/總值)。
因此,在您的情況下,它將類似於:
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))
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.