python - 从两种不同的方法计算召回率和准确率的不同结果
问题描述
根据下面的代码,我正在计算特定分类器的召回率和精度分数
clf = GradientBoostingClassifier(n_estimators=20)
clf.fit(X_train,y_train)
pred=clf.predict(X_test)
precision_recall_fscore_support(y_test, pred, average='micro' or, 'weighted', or, 'macro', or 'none')
那么结果将是
(0.8861803737814977, 0.8714028776978417, 0.8736586610015085, None)
(0.8714028776978417, 0.8714028776978417, 0.8714028776978417, None)
(0.8576684989847967, 0.883843537414966, 0.8649539913120651, None)
(array([0.95433071, 0.76100629]),
array([0.84166667, 0.92602041]),
array([0.89446494, 0.83544304]),
array([720, 392]))
但是如果我通过使用来计算它们
clf = GradientBoostingClassifier()
skf = StratifiedKFold(n_splits=10)
param_grid = {'n_estimators':range(20,23)}
grid_search = GridSearchCV(clf, param_grid, scoring=scorers, refit=recall_score,
cv=skf, return_train_score=True, n_jobs=-1)
results = pd.DataFrame(grid_search_clf.cv_results_)
然后我会得到下 表
您可以看到平均召回率和准确率分数与上一步计算的非常不同,而具有相同参数的相同数据已应用于两者。我想知道是否有人可以帮助我我做错了什么
解决方案
好吧,这些指标是根据不同的事物计算的。
precision_recall_fscore_support(y_test, pred)
显示测试数据的度量值。
但是,当您使用 GridSearchCV 时,训练数据会按照定义的 cv 拆分为训练和测试,并在此测试数据(训练数据的子集)上计算指标。然后这些指标在折叠上进行平均。
推荐阅读
- c# - 如何修复“无法从 'bool' Customer.Data.SelectTransactionViewModel 转换”
- angular - (Angular2/4/5/6) 如何根据国家/地区验证国际电话号码的长度
- python - 通过不和谐机器人为每个人设置唯一的关键字
- javascript - 每小时触发器导致每小时发送电子邮件警报,但只需要第一次
- wpf - 在 WPF 中,是否可以将 ItemsControl 的 ItemContainerGenerator.StatusChanged 事件作为 MVVM 模式命令获取?
- .htaccess - 如何从子域中删除文件夹名称
- c# - 当关系应该是隐式的时,如何避免显式定义泛型类型参数?
- c++ - filter2D 实现的差异
- android - 如何将位图保存到内部存储?
- sql-server - 如何为 SQL Server 数据的多个获取请求设置 API 服务器?