如何理解sklearn的精度指标？

Question

你好我与sklearn，为了更好地理解指标的工作，我也跟着precision_score的下面的例子：

from sklearn.metrics import precision_score 
y_true = [0, 1, 2, 0, 1, 2] 

y_pred = [0, 2, 1, 0, 0, 1] 
print(precision_score(y_true, y_pred, average='macro')) 

，我得到的结果如下：

0.222222222222

但我不明白sklearn是如何计算这个结果的，因为在官方网页上说这是计算下一个公式：tp /（tp + fp）其中tp是真正的正数，fp是假正数，也是用称为“宏”的参数，用于计算指标每个标签，并找到他们的加权平均值，这并不考虑标签不平衡。 我希望对这个例子的任何解释感谢支持。

Answer 1

第一步是计算精度为你拥有的每标签：

• 为标签0精度为tp/(tp + fp) = 2/(2 + 1) = 0.66
• 的标签1精度0/(0 + 2) = 0
• 的标签2精度0/(0 + 1) = 0

最后一步是计算所有三个标签的平均精度：precision = (0.66 + 0 + 0)/3 = 0.22