SciPy的/ numpy的/ scikits - 计算精度/召回分数基于两个阵列

Question

• 我适合逻辑回归模型，并使用训练基于训练数据集的模型以下

import scikits as sklearn 
from sklearn.linear_model import LogisticRegression 
lr = LogisticRegression(C=0.1, penalty='l1') 
model = lr.fit(training[:,0:-1], training[:,-1) 

• 我有一个交叉验证数据集，其中包含一个与输入矩阵相关的标签，可以作为

CV [： - 1]

• 我跑我的交叉验证数据集对训练的模型，返回我的0和1的列表基于预测

cv_predict = model.predict（cv [：，0：-1]）

问题

我想根据acutal标签和预测标签计算精度和召回分数。有没有一种标准的方法来使用numpy/scipy/scikits？

谢谢

Answer 1

是有，请参阅文档：http://scikit-learn.org/stable/modules/classes.html#classification-metrics

你也应该有一个看看sklearn.metrics.classification_report实用程序：

>>> from sklearn.metrics import classification_report 
>>> from sklearn.linear_model import SGDClassifier 
>>> from sklearn.datasets import load_digits 

>>> digits = load_digits() 
>>> n_samples, n_features = digits.data.shape 
>>> n_split = n_samples/2 

>>> clf = SGDClassifier().fit(digits.data[:n_split], digits.target[:n_split]) 

>>> predictions = clf.predict(digits.data[n_split:]) 
>>> expected = digits.target[n_split:] 

>>> print classification_report(expected, predictions) 
      precision recall f1-score support 

      0  0.90  0.98  0.93  88 
      1  0.81  0.69  0.75  91 
      2  0.94  0.98  0.96  86 
      3  0.94  0.85  0.89  91 
      4  0.90  0.93  0.91  92 
      5  0.92  0.92  0.92  91 
      6  0.92  0.97  0.94  91 
      7  1.00  0.85  0.92  89 
      8  0.71  0.89  0.79  88 
      9  0.89  0.83  0.86  92 

avg/total  0.89  0.89  0.89  899