sklearn.metrics防止未标记的预测被归类为误报

Question

我有一个多类、单标签分类器，它将一些样本预测为"-1"，这意味着它没有足够的信心为样本指定一个标签。我想使用sklearn.metrics.precision_recall_fscore_support来计算模型的度量，但是我无法防止"-1"分类被视为误报

我能想到的唯一一件事是，在“每个类”的基础上对度量进行此操作，然后对不包括"-1"类的度量进行加权平均（即precision_recall_fscore_support中的micro选项，同时排除"-1"误报）

在sklearn中是否有任何标准化的方法可以做到这一点，而不必自己计算平均值

Answer 1

我想我知道了。precision_recall_fscore_support的labels参数允许您指定希望使用的标签。因此，通过使用labels=list(set(y_true).union(set(y_pred)).difference(set(["-1"])))

我能够获得想要的行为