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
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
相关问题 更多 >
编程相关推荐