Scipy / Numpy / scikits - 根據兩個數組計算精確度/召回分數

Question

• 我適合Logistic回歸模型，並使用以下內容基於訓練數據集訓練模型

 import scikits as sklearn from sklearn.linear_model import LogisticRegression lr = LogisticRegression(C=0.1, penalty='l1') model = lr.fit(training[:,0:-1], training[:,-1) 

• 我有一個交叉驗證數據集，其中包含與輸入矩陣相關聯的標簽，可以作為

CV [：， - 1]

• 我針對訓練的模型運行交叉驗證數據集，該模型根據預測返回0和1的列表

cv_predict = model.predict（cv [：，0：-1]）

題

我想根據實際標簽和預測標簽計算精度和召回分數。 是否有標准的方法來使用numpy / scipy / scikits？

謝謝

Answer 1

是的，請參閱文檔： http ： //scikit-learn.org/stable/modules/classes.html#classification-metrics

您還應該查看sklearn.metrics.classification_report實用程序：

>>> from sklearn.metrics import classification_report
>>> from sklearn.linear_model import SGDClassifier
>>> from sklearn.datasets import load_digits

>>> digits = load_digits()
>>> n_samples, n_features = digits.data.shape
>>> n_split = n_samples / 2

>>> clf = SGDClassifier().fit(digits.data[:n_split], digits.target[:n_split])

>>> predictions = clf.predict(digits.data[n_split:])
>>> expected = digits.target[n_split:]

>>> print classification_report(expected, predictions)
             precision    recall  f1-score   support

          0       0.90      0.98      0.93        88
          1       0.81      0.69      0.75        91
          2       0.94      0.98      0.96        86
          3       0.94      0.85      0.89        91
          4       0.90      0.93      0.91        92
          5       0.92      0.92      0.92        91
          6       0.92      0.97      0.94        91
          7       1.00      0.85      0.92        89
          8       0.71      0.89      0.79        88
          9       0.89      0.83      0.86        92

avg / total       0.89      0.89      0.89       899