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
测试老哥1 小时前
Postman参数化详解
自动化测试·软件测试·python·测试工具·职场和发展·测试用例·postman
顽强卖力2 小时前
数据分析六部曲?
大数据·数据挖掘·数据分析
swan4162 小时前
SCAU期末笔记 - 数据分析与数据挖掘题库解析
笔记·数据挖掘·数据分析
思通数科大数据舆情5 小时前
工业安全零事故的智能守护者:一体化AI智能安防平台
人工智能·安全·目标检测·计算机视觉·目标跟踪·数据挖掘·知识图谱
亚林瓜子7 小时前
AWS中国云的定时任务(AWS EventBridge+AWS Lambda)
python·云计算·aws·lambda·定时任务·event·cron
摆渡搜不到你7 小时前
某腾X视频下载器2.1
python·音视频
科雷软件测试7 小时前
Python格式化:让数据输出更优雅
python
非小号7 小时前
多模态分类案例实现
python·分类·数据挖掘
Mi Manchi268 小时前
力扣热题100之二叉树的层序遍历
python·算法·leetcode
花酒锄作田8 小时前
[python]requests VS httpx VS aiohttp
python