使用交叉验证计算特异性

using cross validation for calculating specificity

我想使用交叉验证来计算特异性。我找到了计算准确度,真的,f1-score 和精度的代码。但我找不到特异性。 例如,f1-score 的代码如下:

cross_val_score(SVC, X, y, scoring="f1", cv = 7)

或者对于精度就像:

cross_val_score(SVC, X, y, scoring="precision", cv = 7)

特异性基本上是真实阴性率,它与真实阳性率(召回率)相同,但对于阴性 class

如果你有二进制 class,你应该执行以下操作

  • metrics(详细信息 here)导入指标 recall_score,以及 make_scorer 函数

    from sklearn.metrics import recall_score
    from sklearn.metrics import make_scorer
    
  • 然后生成新的记分器,定义class 计算召回率(默认情况下,召回率是在标签=1 上计算的)

    specificity = make_scorer(recall_score, pos_label=0)
    

标签 0 通常是二元问题中的负数 class。

print(cross_val_score(classifier, X_train, y_train, cv=10, specificity))

如果你想要召回率(真阳性率),你可以做同样的改变 class

sensitivity = make_scorer(recall_score, pos_label=1)
print(cross_val_score(classifier, X_train, y_train, cv=10, sensitivity))

无论如何,如果您需要更复杂的东西,您可以自定义记分器

make_scorer