在Sklearn中使用Classification_Report函數

Question

所以我理解這個函數的工作原理是它將一個表分成兩個，然后比較這些值以確定預測率

可以說我有一張桌子：

Column1   Column2   Column3   Column4   Column5 
3          2          2          43         0
1          2          2          23         1
5          5          2          56         1
4          3          2          13         0
6          1          2          11         1

"Column 5" is label 0 or 1

我知道前3行是100％正確的，因為我手動為其分配標簽，但第4行和第5行使用隨機森林分類器進行標記。 我想看看預測率是多少

我想使用classification_report（y_true，y_pred，target_names = target_names），我的“y_true”，“y_pred”會是什么？ 我假設target_names = 0,1

Answer 1

y_true是樣本的真實標簽，y_pred是我的模型的預測。 target_name允許您將自定義名稱分配給類標簽

classification_report重新生成模型的精度，召回率，f1分數和支持度。

sklearn https://scikit-learn.org/stable/modules/genic/sklearn.metrics.classification_report.html中顯示的示例

from sklearn.metrics import classification_report
y_true = [0, 1, 2, 2, 2]
y_pred = [0, 0, 2, 2, 1]
print(classification_report(y_true, y_pred, target_names=target_names))

例如，0級的精度為True Positive / True positive + False Positive，即1/2 = 0.5