精度分数与指标公式不匹配

Question

如何根据此混淆矩阵手动计算分数？在这种情况下，精度分数应该是多少？tp / (tp + fp) 转换为 99% (102 / 103)。对？但准确率只有98.36%。如果以下分数正确，为什么精度分数不匹配？（准确率正确率为 94.73% (162/171)我从以下地方得到了这个例子：https://towardsdatascience.com/grid-search-for-model-tuning-3319b259367e更新：如果我想获得如图所示的输出，标签顺序应该是什么？

Answer 1

问题是，是，TP和FP在你的困惑矩阵交换。

如本二元分类示例中所述，标签解释如下：

真阴性 expected=0, predicted=0

真阳性 expected=1, predicted=1

假阴性 expected=1, predicted=0

假阳性 expected=0, predicted=1

对于您的示例，这将是：

##              TN       TP       FN       FP

expected =  [0]*102 + [1]*60 + [1]*8 + [0]*1

predicted = [0]*102 + [1]*60 + [0]*8 + [1]*1 

print ("precision " + '{:.16f}'.format(precision_score(expected, predicted)))

print ("recall    " + '{:.16f}'.format(recall_score(expected, predicted)))

print ("accuracy  " + '{:.16f}'.format(accuracy_score(expected, predicted)))

precision 0.9836065573770492

recall    0.8823529411764706

accuracy  0.9473684210526315

因此，这些措施符合预期。

该混淆矩阵是记录在这里

根据定义，混淆矩阵等于已知在组中但预测在组中的观察数量。因此，在二元分类中，真负数为 C 0,0，假负数为 C 1,0，真正数为 C 1,1，假正数为 C 0,1。

这导致以下结果：

results = confusion_matrix(expected, predicted)

print('TN ' ,results[0][0])

print('TP ' ,results[1][1])

print('FN ' ,results[1][0])

print('FP ' ,results[0][1])

print(results)

TN  102

TP  60

FN  8

FP  1

[[102   1]

 [  8  60]]

所以测量再次是可以的，只是混淆矩阵中的位置不是通常的TP左上角的位置。

补救方法很简单，只需手动交换TP和TN

(results[0][0],results[1][1]) = (results[1][1],results[0][0])

print(results)

[[ 60   1]

 [  8 102]]

Answer 2

从你提到的博客中，

您可以看到真正的正数（正数通常表示为 1）是第四象限。我知道常见的混淆矩阵示例会将真阳性作为第一象限，但在博客中它是相反的。

因此，精度分数计算将是 60/61 = 0.9836。