Question

我正在阅读sklearn中使用的指标，但我发现以下内容非常困惑：

在文档中，sklearn提供了如下用法示例：

import numpy as np
from sklearn.metrics import accuracy_score
y_pred = [0, 2, 1, 3]
y_true = [0, 1, 2, 3]
accuracy_score(y_true, y_pred)
0.5

据我所知，sklearns计算的指标如下：

我不确定这个过程，我很感激，如果有人能够逐步解释这个结果，因为我正在研究它，但我发现很难理解，为了了解更多，我尝试了以下案例：

import numpy as np
from sklearn.metrics import accuracy_score
y_pred = [0, 2, 1, 3,0]
y_true = [0, 1, 2, 3,0]
print(accuracy_score(y_true, y_pred))
0.6

我认为正确的计算如下：

但我不确定，我想看看是否有人可以支持我的计算，而不是复制和粘贴sklearn的文档。

我怀疑sumatory中的 i 是否与括号内的公式中的 i 相同，我不清楚，我不知道知道sumatory中元素的数量是否与样本中元素的数量有关，如果它还取决于类的数量。

Answer 1

只有当参数中的变量相等时，指标函数才等于1，否则它的值为零。因此，当y等于yhat时，指示器函数产生一个计数作为正确的分类。 python中有一个代码示例，下面是数值示例。

import numpy as np
yhat=np.array([0,2,1,3])
y=np.array([0,1,2,3])
acc=np.mean(y==yhat)
print( acc)

example

Answer 2

理解准确度计算的简单方法是：

给定两个列表y_pred和y_true，对于每个位置索引i，将y_pred的第i个元素与y_true的第i个元素进行比较，并执行以下计算：

计算匹配数
除以样本数

所以使用你自己的例子：

y_pred = [0, 2, 1, 3, 0]
y_true = [0, 1, 2, 3, 0]

我们在索引0,3和4上看到匹配。因此：

number of matches = 3
number of samples = 5

最后，准确度计算：

accuracy = matches/samples
accuracy = 3/5
accuracy = 0.6

关于 i 索引的问题，它是样本索引，因此对于求和索引和Y / Yhat索引都是一样的。

sklearn如何逐步计算准确度分数？

2 个答案: