如何在 FastText 中打印分類報告？

Question

我正在使用 FastText 並評估我的分類結果（二元分類），我想打印分類分數。 實際上，作為 output，我有精確度和召回率。 這是我的代碼：

train_file = 'train.csv'

test_file = 'test.csv' 


print("training model...")
  
    
model = fasttext.train_supervised(input=train_file,
                                lr=1.0, epoch=100,
                                wordNgrams=2, 
                                bucket=200000, 
                                dim=50, 
                                loss='hs')

def print_results(N, p, r):
    print("N\t" + str(N))
    print("P@{}\t{:.3f}".format(1, p))
    print("R@{}\t{:.3f}".format(1, r))
    

result = model.test(test_file)
print_results(*result)

我在這里閱讀文檔並檢查了一些教程，但我還不明白如何定義分類報告。 我認為應該定義一個通過test_file的循環，但在這種情況下，我必須使用哪些參數？

所需的 output：

            precision    recall  f1-score   support

           0      0.832     0.824     0.828      9093
           1      0.861     0.867     0.864     11399

    accuracy                          0.848     20492
   macro avg      0.846     0.846     0.846     20492
weighted avg      0.848     0.848     0.848     20492

謝謝，

Answer 1

你為什么不處理來自scikit-learn的metrics庫，也許是一個更好的選擇。

F1 代碼示例：

f1_score('your_test', 'your_predict', average='macro')

在你的情況下，我認為應該是：

f1_score(test_file, result, average='macro')

現在您可以制作一個包含所有您想要的分數的表格。

您只需導入它們，例如：

from sklearn.metrics import  f1_score, precision_score, recall_score, accuracy_score

您甚至可以添加更多內容，例如“混淆矩陣”：

from sklearn.metrics import confusion_matrix

代碼示例：

confusion_matrix(test_file, result)