在multilabel classification设置中,^{
这种计算精度的方法有时被称为精确匹配比(1),也许不那么含糊:
在scikit learn中,有没有其他方法可以得到计算精度的典型方法,即
(如(1)和(2)中所定义,较少含糊地称之为汉明评分(4)(因为它与汉明损失密切相关),或基于标签的 精度) ?
(1)Sorower,Mohammad S.“A literature survey on algorithms for multi-label learning.”俄勒冈州立大学,Corvallis(2010)。
(2)Tsoumakas、Grigorios和Ioannis Katakis。”Multi-label classification: An overview.“希腊塞萨洛尼基亚里士多德大学信息学系(2006年)。
(3)Ghamrawi、Nadia和Andrew McCallum。”Collective multi-label classification.“第14届ACM信息和知识管理国际会议记录”。ACM,2005年。
(4)戈德博勒、尚塔努和苏尼塔·萨拉瓦吉。”Discriminative methods for multi-labeled classification.“知识发现和数据挖掘的进展。斯普林格柏林海德堡,2004年。22-30岁。
对于2019年的读者,现在可以使用^{} :
在Numpy中也很容易计算:
你可以自己写一个版本,这里是一个不考虑权重和规格化的例子。
输出:
相关问题 更多 >
编程相关推荐