sklearn：多 class 问题和报告的敏感性和特异性

Question

我有一个三 class 问题，我可以使用以下代码报告每个 class 的精确度和召回率：

from sklearn.metrics import classification_report
print(classification_report(y_test, y_pred))

这为我提供了 table 格式的 3 个 class 中的每一个的精确度和召回率。

我的问题是现在如何获得 3 个 classes 中每一个的敏感性和特异性？我查看了 sklearn.metrics，但没有找到任何报告敏感性和特异性的信息。

Answer 1

如果我们检查 help page for classification report:

Note that in binary classification, recall of the positive class is also known as “sensitivity”; recall of the negative class is “specificity”.

因此我们可以将每个 class 的 pred 转换为二进制，然后使用 precision_recall_fscore_support.

的召回结果

举个例子：

from sklearn.metrics import classification_report
y_true = [0, 1, 2, 2, 2]
y_pred = [0, 0, 2, 2, 1]
target_names = ['class 0', 'class 1', 'class 2']
print(classification_report(y_true, y_pred, target_names=target_names))

看起来像：

              precision    recall  f1-score   support

     class 0       0.50      1.00      0.67         1
     class 1       0.00      0.00      0.00         1
     class 2       1.00      0.67      0.80         3

    accuracy                           0.60         5
   macro avg       0.50      0.56      0.49         5
weighted avg       0.70      0.60      0.61         5

使用 sklearn:

from sklearn.metrics import precision_recall_fscore_support
res = []
for l in [0,1,2]:
    prec,recall,_,_ = precision_recall_fscore_support(np.array(y_true)==l,
                                                      np.array(y_pred)==l,
                                                      pos_label=True,average=None)
    res.append([l,recall[0],recall[1]])

将结果放入数据框中：

pd.DataFrame(res,columns = ['class','sensitivity','specificity'])

    class   sensitivity specificity
0   0   0.75    1.000000
1   1   0.75    0.000000
2   2   1.00    0.666667

sklearn：多 class 问题和报告的敏感性和特异性

sklearn: multi-class problem and reporting sensitivity and specificity

python

classification

scikit-learn

supervised-learning