python-3.x - 如何使用 cross_val_predict() 函数获得“正数”而不是“负数”的精度分数？

Question

我在二进制数据集上使用交叉验证。

对，现在当我输入以下行时：

clf = cross_val_score(cl_mnb,transcriptsVectorized, y=Labels,cv=6,scoring = 'precision')
print(clf.round(2))

我确实得到了精确分数，但只针对底片；我想获得阳性病例的精确度。

当我使用 sklearn.metrics.SCORERS 查找可用指标时，我找不到该选项，它存在吗？

标签： python-3.xscikit-learn

Answer 1

我觉得您在问题中使用的符号可能不正确，所以如果答案不能解决您的问题，请帮助我。

首先，我们来看看混淆矩阵参考。

Precision或阳性预测值：

Scikit-learn 尊重这个公式，并将 1（或真）解释为正数。条件肯定和预测条件肯定用于获得精度。

正面案例，您是指条件正面案例评估吗？在这种情况下，您可以使用recallsklearn 也提供的指标...

recall评估您的模型对真正正面的预测。它试图解决的一些问题是：模型是否预测异常？模型是否识别数据中的猫？

然后，也许您需要预测 0 或 False 值。遵循矩阵并理解它，是最好的改进方法！