在分类任务中准确率(accuracy)、精确率(precision)、召回率(recall)和 F1 分数是常用的性能指标,如何在python中使用呢?

在机器学习和数据科学中,准确率(accuracy)、精确率(precision)、召回率(recall)和 F1 分数是常用的性能指标,用于评估分类模型的性能。

1. 准确率(Accuracy):

准确率是模型预测正确的样本数占总样本数的比例。

复制代码
from sklearn.metrics import accuracy_score  
y_true = [0, 1, 1, 0, 1, 1]  
y_pred = [0, 1, 0, 0, 0, 1]  
accuracy = accuracy_score(y_true, y_pred)  
print(f"Accuracy: {accuracy}")

2. 精确率(Precision):

精确率是指在预测为正的样本中,实际为正的比例。它关注的是预测为正的样本中真正为正的比例。

复制代码
from sklearn.metrics import precision_score  
precision = precision_score(y_true, y_pred)  
print(f"Precision: {precision}")

3. 召回率(Recall):

召回率是指在所有实际为正的样本中,被预测为正的比例。它关注的是实际为正的样本中被正确预测为正的比例。

复制代码
from sklearn.metrics import recall_score  
recall = recall_score(y_true, y_pred)  
print(f"Recall: {recall}")

4. F1 分数:

F1 分数是精确率和召回率的调和平均数,它综合了精确率和召回率的信息。

复制代码
from sklearn.metrics import f1_score  
f1 = f1_score(y_true, y_pred)  
print(f"F1 Score: {f1}")
相关推荐
山烛12 分钟前
决策树学习全解析:从理论到实战
人工智能·python·学习·算法·决策树·机器学习
派可数据BI可视化2 小时前
CIO如何规划企业BI分析指标体系 —— 从经营出发到绩效管理
数据仓库·信息可视化·数据挖掘·数据分析·商业智能bi
没有梦想的咸鱼185-1037-16632 小时前
Python科研数据可视化技术
python·机器学习·信息可视化·数据分析
奔波霸的伶俐虫4 小时前
jeecg框架@Dict不生效问题
开发语言·python
爆改模型4 小时前
【CVPR2025】计算机视觉|AnomalyNCD:让工业异常分类“脱胎换骨”!
人工智能·计算机视觉·分类
徐赛俊4 小时前
# 自动定时运行Python爬虫脚本教程(Windows任务计划程序)
windows·爬虫·python
程序员秘密基地5 小时前
基于html,css,jquery,django,lstm,cnn,tensorflow,bert,推荐算法,mysql数据库
python·cnn·tensorflow·lstm·推荐算法
Blossom.1185 小时前
基于深度学习的医学图像分析:使用MobileNet实现医学图像分类
人工智能·深度学习·yolo·机器学习·分类·数据挖掘·迁移学习
技术炼丹人5 小时前
从RNN为什么长依赖遗忘到注意力机制的解决方案以及并行
人工智能·python·算法
hqxstudying6 小时前
Java开发时出现的问题---语言特性与基础机制陷阱
java·jvm·python