為什么不查看分類報告中兩個類別的准確率和召回率？

Question

我正在查看 sklearn 的分類報告。 我想知道，為什么他們省略了潛在的第三行，同時包含兩個類的精度和召回值？ 他們為什么分開，將這些指標與兩個類別結合起來考慮有什么缺點？

Answer 1

“兩個類的精度和召回值一起”包含在classification_report中，作為精度、召回率和 f1 分數的宏觀平均值和加權平均值。

將classification_report中的列與調用precision_score(y_true, y_pred)時計算的值進行比較：

from sklearn.metrics import classification_report
from sklearn.metrics import precision_score

y_true = [0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2]
y_pred = [0, 0, 0, 1, 1, 0, 0, 0, 1, 1, 1, 1, 2, 2, 1, 1, 2, 2, 0]

print(classification_report(y_true, y_pred))
print(round(precision_score(y_true, y_pred, average='macro'), 2))
print(round(precision_score(y_true, y_pred, average='weighted'), 2))

運行結果如下。 請注意，宏平均精度為 0.64，加權平均精度為 0.67，兩者都列在表的底部行中：

              precision    recall  f1-score   support

           0       0.43      0.60      0.50         5
           1       0.50      0.57      0.53         7
           2       1.00      0.57      0.73         7

    accuracy                           0.58        19
   macro avg       0.64      0.58      0.59        19
weighted avg       0.67      0.58      0.60        19

0.64
0.67