多类别分类图？

Question

我正在查看scikit-learn文档，并意识到大多数绘图曲线支持都存在二进制分类。

我想为我的多类分类器绘制precision_recall曲线和学习曲线。

model1=LogisticRegression()
y_d = model1.predict_proba(matrix_test)

我想知道是否存在使用稀疏的matrix_test大小（22428,22000）绘制precision_recall曲线和学习曲线的方法，并且标签是大小为np的数组（22428，）？

Answer 1

如果您查看definiton of Precision and Recall，您会发现那里存在不对称性，不会直接转换为更高维度。假设类是 C ₁ 和 C ₂ ，然后任意，其中一个它们被认为是“真”，而另一个被认为是“假”（你也可以注意到没有对称性：反转“真”和“假”不会给出相同的结果）。在更高的维度上，这根本不能直接完成。

但是，有很多方法可以提出启发式扩展。假设你的课程是 C ₁ ，...，C _m 。您可以从 C _i 类的视点计算 m 精度和回忆，然后取（加权）平均值。权重应该反映出课程的重要性。

请注意，这正是用于二进制情况的方案，其中“True”类的权重选择为1，“False”类的权重选择为0（再次强调这个分数的任意不对称）。

在实施方面，这是微不足道的。假设你的混淆矩阵是m。然后从类 i 的角度来看，精度为m[i, i] / np.sum(m[:, i])，召回为m[i, i] / np.sum(m[i, :])。