标签:f1 classification recall labels precision 标签 report sklearn
classification_report:用于显示分类指标的文本报告
classification_report(y_true, y_pred, labels=None, target_names=None, sample_weight=None, digits=2)
参数解释:
- y_true : 1维度数组,或者标签指示器/稀疏矩阵 , 目标值
- y_pred : 1维数组,或者标签指示器/稀疏矩阵 , 分类器返回的估计值
- labels: array , shape = [n_labels] , 报告中包含的标签索引的可选列表
- target_names : 字符串列表,与标签匹配的可选显示名称
- sample_weight : 样本权重
- digits : int , 输入浮点值的精度
生成结果报告图解释:
- precision、recall、f1-score分别代表每一个类别的精确度、召回率、 F 1 F_{1} F1值
- support:表示每一类标签在y_true出现的次数
- accuracy:正确分类的比率
precision、recall、f1-score:
- precision (精确度):针对每一类中,预测正确的个数,占全部预测为正确的比例
- recall(召回率):针对每一类中,预测正确的个数,占这一类总共个数的比例
- f1-score : precision 和 recall的调和平均数, f 1 = 2 P × R P + R f_{1}=2 \frac{P \times R}{P+R} f1=2P+RP×R ,f1值为1时达到最佳值,即精确度和召回率最佳,f1最差为0
- macro avg:所有标签结果的平均值
- weighted avg : 所有标签结果的加权平均值 ,权重为support值
标签:f1,classification,recall,labels,precision,标签,report,sklearn 来源: https://blog.csdn.net/m0_46646835/article/details/120328070
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。