分類報告：標簽和目標名稱

Question

我有以下分類報告的輸出：

             precision    recall  f1-score   support

          0     0.6772    0.5214    0.5892       491
          1     0.8688    0.9273    0.8971      1678

avg / total     0.8254    0.8354    0.8274      2169

數據集中的真實標簽是s和p 。

問題：我怎么知道哪個標簽是“0”，哪個是“1”？ 或者：如何以正確的順序通過labels=或target_names=分配標簽？

Answer 1

如無特別說明，將按字母順序排列。 所以很可能是：

0 -> 'p'

1 -> 's'

無論如何，如果您傳遞實際標簽，它們應該按原樣顯示。 例如：

y_true = ['p', 's', 'p', 's', 'p']
y_pred = ['p', 'p', 's', 's', 'p']

print(classification_report(y_true, y_pred))

Output:
             precision    recall  f1-score   support

          p       0.67      0.67      0.67         3
          s       0.50      0.50      0.50         2

avg / total       0.60      0.60      0.60         5

所以不需要做任何事情。 但是，如果您更改了標簽，則可以將它們傳遞到target_names參數中以顯示在報告中。

假設您已將 'p' 轉換為 0，將 's' 轉換為 1，那么您的代碼變為：

y_true = [0, 1, 0, 1, 0]
y_pred = [0, 0, 1, 1, 0]

# Without the target_names
print(classification_report(y_true, y_pred))

          0       0.67      0.67      0.67         3
          1       0.50      0.50      0.50         2

avg / total       0.60      0.60      0.60         5

#With target_names
print(classification_report(y_true, y_pred, target_names=['p', 's']))

          p       0.67      0.67      0.67         3
          s       0.50      0.50      0.50         2

avg / total       0.60      0.60      0.60         5

Answer 2

如果您使用 sklearn.preprocess.LabelEncoder 對原始標簽進行編碼，則可以使用inverse_transform獲取原始標簽

target_strings = label_encoder.inverse_transform(np.arange(num_classes))
metrics.classification_report(dev_gold, dev_predicted, target_names=target_strings)

Answer 3

您可以使用分類器的classes_屬性來獲取標簽列表，並且它們是數組索引的。

classes_ ：形狀數組 = [n_classes] 或此類數組的列表

類標簽（單輸出問題），或類標簽數組列表（多輸出問題）。