python机器学习classification_report()函数 输出模型评估报告

classification_report()是python在机器学习中常用的输出模型评估报告的方法。

classification_report()函数介绍

classification_report()语法如下:

classification_report(
         y_true,
         y_pred,
         labels=None,
         target_names=None,
         sample_weight=None,
         digits=2,
         output_dict=False,
         zero_division=“warn”
)

参数 描述
y_true 真实值 ,一维数组形式(也可以是列表元组之类的)
y_pred 预测值,一维数组形式(也可以是列表元组之类的)
labels 标签索引列表,可选参数,数组形式
target_names 与标签匹配的名称,可选参数,数组形式
sample_weight 样本权重,数组形式
digits 格式化输出浮点值的位数。默认为2。当“output_dict”为“True”时,这将被忽略,并且返回的值不会四舍五入。
output_dict 是否输出字典。默认为False,如果为True则输出结果形式为字典。
zero_division 设置存在零除法时返回的值。默认为warn。如果设置为“warn”,这相当于0,但也会引发警告。

使用示例

from sklearn.metrics import classification_report

# 测试集真实数据
y_test = [1, 2, 3, 1, 2, 3, 1, 2, 3]
# 预测结果
y_predicted = [1, 2, 3, 3, 2, 1, 3, 2, 3]

以这两行数据为例,不难直接看出,
预测中预测了

  • 2次1标签,成功1次,1标签预测的准确率率为0.5
  • 3次2标签,成功3次,2标签预测的准确率为1.0
  • 4次3标签,成功2次,3标签预测的准确率为0.5
print(classification_report(y_test, y_predicted))

python机器学习classification_report()函数 输出模型评估报告_第1张图片

也可以加上target_names参数,效果如下:

print(classification_report(y_test, y_predicted, target_names=['a类', 'b类', 'c类']))

如图左边显示出了新传入的标签名。
python机器学习classification_report()函数 输出模型评估报告_第2张图片


输出分析

由图可见,precisoin即准确率,也称查准率
recall是召回率 ,也称查全率
f1-score简称F1

对于其中一个标签预测结果进行评估,引入以下概念:

名称 简写 通俗描述
真正例 TP 预测结果是该标签,实际是该标签的样例个数
假正例 FP 预测结果是该标签,实际不是该标签的样例个数
假反例 FN 预测结果不是该标签,实际是该标签的样例个数
真反例 TN 预测结果不是该标签,实际是该标签的样例个数

其中, 满足TP+FP+FN+TN=样例总数

查准率的定义公式为

P = T P T P + F P \displaystyle P = \frac{TP}{TP+FP} P=TP+FPTP

可以描述为 预测结果是该标签的样例中,实际是该标签的所占比。

查全率的定义公式为

P = T P T P + F N \displaystyle P = \frac{TP}{TP+FN} P=TP+FNTP

可以描述为 实际是该标签的样例中,预测结果是该标签的所占比。


以该例的标签’3’为例,
‘3’标签预测了4次,成功了2次,则查准率

P = T P T P + F P = 2 2 + 2 = 0.5 \displaystyle P = \frac{TP}{TP+FP} = \frac{2}{2+2}=0.5 P=TP+FPTP=2+22=0.5

所有标签一共预测了9次,其中3标签预测了4次,则其它标签预测了5次,这五次中有1次是3标签,即FN=1则查全率为:

P = T P T P + F N = 2 2 + 1 = 0.67 \displaystyle P =\frac{TP}{TP+FN}= \frac{2}{2+1}=0.67 P=TP+FNTP=2+12=0.67

查准率和查全率是一对矛盾的度量,一般来说,查准率高时,查全率往往会偏低,查全率高时,查准率往往会偏低。通常只可能在一些简单任务中,才可能使查准率和查全率都很高。

此时结合名字,不难看出:查全率,是在衡量关于某标签的预测结果涵盖的是否“周全”,查全率高意味着,即某个标签预测得准确率不一定高,但是其真实值会大量存在于或者被包含于预测值中。


f1-score也称F1,

F 1 = 2 × P × R P + R = 2 × P × R 样 例 总 数 + T P − T N \displaystyle F1 =\frac{2×P×R}{P+R}= \frac{2×P×R}{样例总数+TP-TN} F1=P+R2×P×R=+TPTN2×P×R

F1是基于查准率查重率 的调和平均定义的:

1 F 1 = 1 2 ( 1 P + 1 R ) \displaystyle \frac{1}{F1} = \frac{1}{2}(\frac{1}{P}+\frac{1}{R}) F11=21(P1+R1)


accruracy 整体的准确率 即正确预测样本量与总样本量的比值。(不是针对某个标签的预测的正确率)

macro avg 即宏均值,可理解为普通的平均值。
macro-P 宏查准率
macro-R 宏查全率
macro-F1 宏F1

对应的概念还有 微均值 micro avg
以 micro-P 为例,不是直接对各个准确率求平均,而是求其构成元素TP、FP、TN、FN的平均值,分别记作   T P ˉ \displaystyle\ \bar{TP}  TPˉ   F P ˉ \displaystyle\ \bar{FP}  FPˉ   T N ˉ \displaystyle\ \bar{TN}  TNˉ   F N ˉ \displaystyle\ \bar{FN}  FNˉ。然后按照原公式计算出的即为micro-P。
公式经过等价转换,分子分母同时乘以标签个数,micro-P等价于所有类别中预测正确量与总样本量的比值。
micro-R 同理,即所有类别中预测正确的量占该标签实际数量的比例

你可能感兴趣的:(机器学习,python,机器学习,开发语言)