python - sklearn.metrics 防止未标记的预测被归类为误报

Question

我有一个多类、单标签分类器，它将一些样本预测为"-1"，这意味着它没有足够的信心为样本分配标签。我想sklearn.metrics.precision_recall_fscore_support用来计算模型的指标，但是我无法防止"-1"分类被视为误报。

我唯一能想到的就是在“每类”的基础上为指标执行此操作，然后对不包括"-1"类的指标进行加权平均（即在排除误报micro的同时选择选项）。precision_recall_fscore_support"-1"

在sklearn中是否有任何标准化的方法可以做到这一点而不必自己计算平均值？

标签： pythonmachine-learningscikit-learn

Answer 1

我相信我想通了。labels参数precision_recall_fscore_support允许您指定要使用的标签。因此，通过使用labels=list(set(y_true).union(set(y_pred)).difference(set(["-1"])))

我能够获得所需的行为。