precision、recall、f1score的计算

python计算precision、recall、f1score

一、介绍TP、TN、FP、FN

二分类中，假设只有正类（1）和负类（0）两个类别，True（1）和False（0）分别表示对和错；Positive（1）和Negative（0）表示预测为正类和负类。

TP：预测为Positive并且对了（样本为正类且预测为正类）
TN：预测为Negative并且对了（样本为负类且预测为负类）
FP：预测为Positive但是错了（样本为负类但预测为正类）
FN：预测为Negative但是错了（样本正类但预测为负类）

二、介绍precision、recall、f1score

TP+FP: 预测为Positive并且对了+预测为Positive但是错了=预测为Positive的样本总数
所以，precision表示为：被正确预测的Positive样本 / 被预测为Positive的样本总数

TP+FN：预测为Positive并且对了+预测为Negative但是错了=实际为Positive的样本总数
所以，recall表示为：被正确预测的Positive样本 / 实际为Positive的样本总数

f1score是调和平均值，precision和recall只要一个比较小的话，f1score的值也会被拉下来：

三、python调用sklearn包实现

from sklearn.metrics import precision_score, recall_score, f1_scorey_true = [0, 1, 0, 1, 0, 1]y_pred = [0, 0, 0, 1, 0, 1]print('binary------------')
print("precision: {}".format(precision_score(y_true, y_pred, average='binary')))
print("recall: {}".format(recall_score(y_true, y_pred, average='binary')))
print("f1: {}".format(f1_score(y_true, y_pred, average='binary')))

运行结果：

precision、recall、f1score的计算相关推荐

sklearn.metrics —— 混淆矩阵及其绘制、Accuracy/Precision/Recall/F1-score
1. confusion_matrix sklearn 关于 confusion_matrix 混淆矩阵接口的定义十分清楚:sklearn.metrics.confusion_matrix(y_tru ...
多分类模型Accuracy, Precision, Recall和F1-score的超级无敌深入探讨
https://zhuanlan.zhihu.com/p/147663370?from_voters_page=true 众所周知,机器学习分类模型常用评价指标有Accuracy, Precision ...
机器学习模型常用评价指标（Accuracy, Precision, Recall、F1-score、MSE、RMSE、MAE、R方）
前言众所周知,机器学习分类模型常用评价指标有Accuracy, Precision, Recall和F1-score,而回归模型最常用指标有MAE和RMSE.但是我们真正了解这些评价指标的意义吗? ...
Accuracy, Precision, Recall和F1-score解释
本文解释分类问题常用评价指标Accuracy, Precision, Recall和F1-score 主要参考以下文章多分类模型Accuracy, Precision, Recall和F1-scor ...
【教学】图像分类算法中的召回率recall、精准率precision和f1score得分等计算。
首先我们来介绍一下这些名称的含义. TP: 预测为1(Positive),实际也为1(Truth-预测对了) TN: 预测为0(Negative),实际也为0(Truth-预测对了) FP: 预测为1 ...
详解多分类模型的Macro-F1/Precision/Recall计算过程
引入关于准确率(accuracy).精度(precision).查全率(recall).F1的计算过程,之前写过一篇文章[1]. 根据文章[1]中的公式,我们可以知道,精度(precision).查 ...
性能评估指标（Precision, Recall, Accuracy, F1-measure）
文章目录一个例子 Precision 精准率召回率其他 Reference 一个例子首先我们看下面的一个表格,也是经典的二分类问题,常常会看见的表格: 如上表所示,行表示预测的label值,列 ...
算法模型评价详解：confusion matrix Accuracy Precision Recall F1 调和平均加权F1 Micro-F1 Macro-F1 PRC ROC AUC
目录问题定义 confusion matrix Accuracy Precision和Recall和PRC F1和调和平均加权F1 Micro-F1和Macro-F1 ROC和AUC PRC对比R ...
机器学习常用的评测指标Rank-n、Precision Recall、F-score、Map 、CMC、ROC Single shot 和Muti shot
机器学习中常用的评测指标为:Rank-n.Precision & Recall.F-score.Map .CMC.ROC Single shot 和Muti shot,下面一个个进行介绍. 写 ...
信息检索的评价指标(Precision, Recall, F-score, MAP)
转载自: 信息检索的评价指标(Precision, Recall, F-score, MAP) - 小村长技术blog - 博客频道 - CSDN.NET http://blog.csdn.net/l ...