为什么在 Sklearn 中不同的指标有两个不同的结果

Question

metrics.classification_report 中的（recall、precison、fi-score）和我分别使用 metrics.precision_score、metrics.recall_score、metrics.f1 score 时相同的指标有什么区别.

有人可以看看这段代码并解释其中的区别吗

from sklearn.svm import LinearSVC
clf_svm_linear = LinearSVC(C=20.0)
clf_svm_linear.fit(X_train, y_train)
y_pred = clf_svm_linear.predict(X_test)
print ' Results on Validation data'
print metrics.classification_report(y_test, y_pred, target_names=['No Diabetes', 'Diabetes']) 
print "==================================================================="
print "The accuracy on validation dataset of Linear SVM: \t",     metrics.accuracy_score(y_test, y_pred)
print "Precision on validation dataset of Linear SVM:    \t", metrics.precision_score(y_test, y_pred)
print "Recall on validation dataset of Linear SVM :      \t", metrics.recall_score(y_test, y_pred)
print "F1 score on validation dataset of Linear SVM:     \t", metrics.f1_score(y_test, y_pred)

当运行上面的代码我得到了如图所示的结果当我独立打印他们的分数时，为什么报告上的 avg/total 与精度、召回率和 f1 分数不匹配。

Answer 1

precision_score 不是平均值，它是精确度，其中类之一是阳性（在您的情况下是糖尿病），这这就是为什么您对精确度的调用对应于摘要中糖尿病的精确度，以及类似地 - 这些人的召回率和 f1。取不对称指标的平均值使其平衡，它与 "regular" 指标不同。

为了得到平均值，你会调用

print 0.5 * (metrics.precision_score(y_test, y_pred, pos_label='No Diabetes') + 
             metrics.precision_score(y_test, y_pred, pos_label='Diabetes'))

Answer 2

查看documentation on these metrics。

为什么在 Sklearn 中不同的指标有两个不同的结果

Why there are two different results on different metrics in Sklearn

python

python-2.7

python-3.x

confusion-matrix

scikit-learn