Scikit-learn 计算错误 recall_score
Scikit-learn incorrectly calculating recall_score
在 jupyterlab 中使用 scikit-learn 版本 0.22.1。但是，我无法提供最小的可重现示例，希望这没问题，因为它更像是一个概念性问题。
我正在构建分类模型。我在 X 中有我的特征，在 y 中有我的目标变量。我拟合逻辑回归模型并计算预测：
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)
from sklearn.linear_model import LogisticRegression
logmodel = LogisticRegression(solver='liblinear')
logmodel.fit(X_train, y_train)
predictions = logmodel.predict(X_test)
现在我想查看混淆矩阵、准确率得分、精确率得分和召回率得分。所以我 运行 以下内容：
from sklearn.metrics import confusion_matrix, accuracy_score, precision_score, recall_score
print(f"Confusion matrix: \n {confusion_matrix(y_test, predictions)}")
print(f"Accuracy: \t {accuracy_score(y_test, predictions):.2%}")
print(f"Precision: \t {precision_score(y_test, predictions):.3f}")
print(f"Recall: \t {recall_score(y_test, predictions):.3f}")
>> Confusion matrix:
>> [[128838 54]
>> [ 8968 279]]
>> Accuracy: 93.47%
>> Precision: 0.838
>> Recall: 0.030
召回分数应为 TP / (TP + FN) = 128838 / (128838 + 8968) = 0.934923008。为什么 sklearn 给我 0.03 的召回？是我算错了，还是 recall_score 的工作方式与我预期的不同？
编辑：不小心输入了 TP / (TP+FP) 而不是上面的。更正。
您正在计算 class 0 的召回率。
这里的召回率（顺便说一句，你混淆了精度）是 R = 279/(279+8968) = 0.03
精度为 P = 279/(279+54) = 0.83
这里的矩阵是
---------------------------
| x |true 0 |true 1|
---------------------------
|predicted 0| 128838 | 8968|
|predicted 1| 54 | 279 |
意思是：
TP = 279
FP = 54
FN = 8968
TN = 128838
而不是相反。
在 jupyterlab 中使用 scikit-learn 版本 0.22.1。但是，我无法提供最小的可重现示例，希望这没问题，因为它更像是一个概念性问题。
我正在构建分类模型。我在 X 中有我的特征，在 y 中有我的目标变量。我拟合逻辑回归模型并计算预测：
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)
from sklearn.linear_model import LogisticRegression
logmodel = LogisticRegression(solver='liblinear')
logmodel.fit(X_train, y_train)
predictions = logmodel.predict(X_test)
现在我想查看混淆矩阵、准确率得分、精确率得分和召回率得分。所以我 运行 以下内容：
from sklearn.metrics import confusion_matrix, accuracy_score, precision_score, recall_score
print(f"Confusion matrix: \n {confusion_matrix(y_test, predictions)}")
print(f"Accuracy: \t {accuracy_score(y_test, predictions):.2%}")
print(f"Precision: \t {precision_score(y_test, predictions):.3f}")
print(f"Recall: \t {recall_score(y_test, predictions):.3f}")
>> Confusion matrix:
>> [[128838 54]
>> [ 8968 279]]
>> Accuracy: 93.47%
>> Precision: 0.838
>> Recall: 0.030
召回分数应为 TP / (TP + FN) = 128838 / (128838 + 8968) = 0.934923008。为什么 sklearn 给我 0.03 的召回？是我算错了，还是 recall_score 的工作方式与我预期的不同？
编辑：不小心输入了 TP / (TP+FP) 而不是上面的。更正。
您正在计算 class 0 的召回率。
这里的召回率（顺便说一句，你混淆了精度）是 R = 279/(279+8968) = 0.03
精度为 P = 279/(279+54) = 0.83
这里的矩阵是
---------------------------
| x |true 0 |true 1|
---------------------------
|predicted 0| 128838 | 8968|
|predicted 1| 54 | 279 |
意思是：
TP = 279
FP = 54
FN = 8968
TN = 128838
而不是相反。