sklearn精度precision_score

官方文档

https://scikit-learn.org/stable/modules/generated/sklearn.metrics.precision_score.html

函数原型

sklearn.metrics.precision_score(y_true, y_pred, labels=None, pos_label=1, average=’binary’, sample_weight=None)

函数注释

计算精度
精度$Precision=\frac{TP}{(TP+FP)}$。其中TP是真正例，FP是假正例。精度直观地表示分类器标记正例的能力。
最佳值为1，最差值为0

重要参数

参数名	含义	类型
y_true	正确值	1维矩阵
y_pred	预测值	1维矩阵
average	计算类型	字符串，‘binary’(默认)、‘micro’、‘macro’、‘weighted’、‘samples’
sample_weight	样本比重	n维矩阵（n=样本类数）

参数average

选项	含义
binary	二分类
micro	统计全局TP和FP来计算
macro	计算每个标签的未加权均值（不考虑不平衡）
weighted	计算每个标签等等加权均值（考虑不平衡）
samples	计算每个实例找出其均值

返回值

precision，float或float矩阵

例子

>>> from sklearn.metrics import precision_score
>>> y_true = [0, 1, 2, 0, 1, 2]
>>> y_pred = [0, 2, 1, 0, 0, 1]
>>> precision_score(y_true, y_pred, average='macro')  
0.22...
>>> precision_score(y_true, y_pred, average='micro')  
0.33...
>>> precision_score(y_true, y_pred, average='weighted')
... 
0.22...
>>> precision_score(y_true, y_pred, average=None)  
array([0.66..., 0.        , 0.        ])