计算二分类模型的精确率与召回率

题目

在机器学习二分类问题中，我们通常需要评估模型的性能。假设我们正在开发一个医疗诊断系统，用于判断患者是否患有某种疾病（正类）或健康（负类）。
给定两个整数数组：

y_true: 真实标签数组，其中 1 表示正类（患病），0 表示负类（健康）
y_pred: 模型预测结果数组，其中 1 表示预测为正类，0 表示预测为负类

请编写一个函数来计算该分类模型的精确率和召回率（又称为查准率和查全率）。

不允许使用python库函数计算查准率和查全率。发现记零分

背景知识

混淆矩阵
在二分类问题中，预测结果可以分为四种情况：
真正例 (True Positive, TP): 真实为正类，预测为正类
假正例 (False Positive, FP): 真实为负类，预测为正类
真负例 (True Negative, TN): 真实为负类，预测为负类
假负例 (False Negative, FN): 真实为正类，预测为负类
计算公式

精确率 (Precision)
含义: 在所有被预测为正类的样本中，真正为正类的比例。衡量模型的"准度"。
Precision = TP / (TP + FP)
召回率 (Recall)
含义: 在所有真实为正类的样本中，被正确预测为正类的比例。衡量模型的"查全率"。
Recall = TP / (TP + FN)

这道题不是算法相关的，只是我的一个作业。借着本篇的机会，我来说说目前作为大三的我目前的状况吧，这样感觉有点像在写日记，不过又没说csdn上的博客只能发专业相关的内容，当微博发也没人管的着吧！

目前大三，计算机专业，觉得学校专业课没意义，于是一节专业课都没打算上，但是作为补充，我需要在本学期完成三到四个项目，这是作为不上课的交换，我不可能一边不上课，一边混子，这样的生活在中国会相当难受。项目都在初期，但是都搞得我很焦躁，因为都是跟着ai干的，目前没有任何产出，做一件事如果长期没有正反馈是很抑郁的，所以我打算在之后也更新一点博客内容在本账号，如果真有一天项目差不多完结了，或许我还会在b站上分享吧，这都是后话了。

平常还有要准备其他东西，考研的东西啦，英语的啦，大三还谈恋爱了，这些都需要我去花经历经营，就是最近这个干劲好像没有说特别足了，一个人如果能持之以恒地干一件事，那真是特别厉害。

总之生活就是这样，还是做题吧，前面一直在发算法相关的，不知道的真以为是机器人呢哈哈哈哈哈

这道题只需要照着概念复现一边即可，就是python的写法我有点不熟悉。

python 复制代码

def calc_precision_recall():

python是这样创建函数的，这样单拎一条说感觉这人特别小白，但是没办法，第一时间没想到的东西，就是要重复强调

python 复制代码

    n = int(input())
    y_true = list(map(int, input().split()))
    y_pred = list(map(int, input().split()))

这样获取数据，注意python注重的空格

input().split()分割得到 ["1","1","1","0","0"](类似这样的)

map把列表里每一个字符串，批量转成整数

list把 map 对象转换成 Python 列表 list

python 复制代码

for true, pred in zip(y_true, y_pred):
        if true == 1 and pred == 1:
            TP += 1
        elif true == 0 and pred == 1:
            FP += 1
        elif true == 1 and pred == 0:
            FN += 1

zip(y_true, y_pred)y_true 是真实标签列表，y_pred 是预测标签列表。 zip 会成对取出两个数组里位置相同的元素。

true来自y_true pred来自y_pred

其他的没啥好说的。

python 复制代码

def calc_precision_recall():
    # 读取输入
    n = int(input())
    y_true = list(map(int, input().split()))
    y_pred = list(map(int, input().split()))
    
    TP = 0
    FP = 0
    FN = 0
    
    for true, pred in zip(y_true, y_pred):
        if true == 1 and pred == 1:
            TP += 1
        elif true == 0 and pred == 1:
            FP += 1
        elif true == 1 and pred == 0:
            FN += 1
    
    # 计算精确率，防止分母为0
    precision = TP / (TP + FP) if (TP + FP) != 0 else 0.0
    # 计算召回率，防止分母为0
    recall = TP / (TP + FN) if (TP + FN) != 0 else 0.0
    
    # 格式化输出，保留2位小数，中间用-分隔
    print("{0:.2f}-{1:.2f}".format(precision, recall))

calc_precision_recall()