如何计算Orange中特定目标class的Precision、Recall和F1?
How to calculate Precision ,Recall and F1 of specific target class in Orange?
在测试和评分小部件中,我们可以更改目标 class(如果我们进行分类)。
Image
但我想使用 Python 脚本小部件进行测试和评分。
Orange.evaluation.Precision(results=None, **kwargs)
Orange.evaluation.Recall(results=None, **kwargs)
Orange.evaluation.F1(results=None, **kwargs)
如何更改目标 class?
获得 CV(或其他)结果后,例如
import Orange
tree = Orange.classification.tree.TreeLearner()
res = Orange.evaluation.CrossValidation(data, [tree])
将目标值索引(参见data.domain.class_var.values
)传递给评分函数:
Orange.evaluation.F1(res, target=0)
类 F1、Recall 和 Precision 将参数传递给 scikit-learn 实现。
在测试和评分小部件中,我们可以更改目标 class(如果我们进行分类)。
Image
但我想使用 Python 脚本小部件进行测试和评分。
Orange.evaluation.Precision(results=None, **kwargs)
Orange.evaluation.Recall(results=None, **kwargs)
Orange.evaluation.F1(results=None, **kwargs)
如何更改目标 class?
获得 CV(或其他)结果后,例如
import Orange
tree = Orange.classification.tree.TreeLearner()
res = Orange.evaluation.CrossValidation(data, [tree])
将目标值索引(参见data.domain.class_var.values
)传递给评分函数:
Orange.evaluation.F1(res, target=0)
类 F1、Recall 和 Precision 将参数传递给 scikit-learn 实现。