我有一个包含二值分类问题的不平衡数据集,我建立了随机森林分类器,并使用了10倍的k倍交叉验证。
kfold = model_selection.KFold(n_splits=10, random_state=42)
model=RandomForestClassifier(n_estimators=50)
我得到了10倍的结果
results = model_selection.cross_val_score(model,features,labels, cv=kfold)
print results
[ 0.60666667 0.60333333 0.52333333 0.73 0.75333333 0.72 0.7
0.73 0.83666667 0.88666667]
我通过计算结果的平均值和标准差来计算准确度
print("Accuracy: %.3f%% (%.3f%%)") % (results.mean()*100.0, results.std()*100.0)
Accuracy: 70.900% (10.345%)
我的预测如下
predictions = cross_val_predict(model, features,labels ,cv=10)
由于这是一个不平衡的数据集,我想计算每一次折叠的精度、召回率和f1分数,并对结果进行平均。 如何在python中计算这些值?
当您使用
cross_val_score
方法时,您可以指定,可以在每个折叠上计算哪些分数:在交叉验证之后,您将获得带以下键的
results
字典:“准确性”、“精度”、“召回”、“f1嫒分数”,这些键存储特定度量的每个折叠上的度量值。对于每个度量,可以使用np.mean(results[value])
和np.std(results[value])
计算平均值和std值,其中value是指定度量名称之一。相关问题 更多 >
编程相关推荐