Question

我有一个带有一些句子的文件（一个波斯语句子，一个标签，一个波斯语单词（标签），一个标签，一个英文单词（标签））。英语单词显示每个句子的类。这个文件有2个类，“激情”和“咸”。我用朴素贝叶斯算法对句子进行了分类，现在我必须计算精度和召回率。为此，我必须制作一个混乱矩阵，但我不知道如何。我写了一个小代码，并假设“激情”是积极的群体而“咸”则是消极群体。代码返回了此案例的输出。但如果我认为“咸”为积极的，而“激情”为负，则数字与第一种情况完全不同，因此当我想计算精确度和召回时，我没有正确答案。我应该分别为2个类别计算tp，tn，fp和fn（一次用于激情，一次用于咸味），然后计算平均值，然后根据这个平均值计算精度和召回量？

（hint1：argmax是NB算法的输出，它是代码为测试句子识别它的标记。提示2：我还有一些其他文件超过2个类）

#t = line.strip().split("\t")
if t[2] == "passion" and argmax == "passion":
    tp += 1
elif t[2] == "passion" and argmax != "passion":
    fn += 1
elif t[2] == "salty" and argmax != "salty":
    fp += 1
elif t[2] == "salty" and argmax == "salty":
    tn += 1
print ("tp", tp, "tn", tn, "fp", fp, "fn", fn)

Answer 1

您应该使用scikit-learn，它已经提供了混淆矩阵和分类报告。样本：

from sklearn.metrics import confusion_matrix, classification_report
# suppose your predictions are stored in a variable called preds
# and the true values are stored in a variable called y
print(confusion_matrix(y, preds))
print(classification_report(y, preds))

（顺便说一句，scikit-learn旨在与python 2.7一起使用，但使用这些函数可能是安全的，因为你已经建立了模型）。

此外，由于我发现您处于NLP域中，因此您可以使用nltk库提供的功能。我不是专家，但我认为this应该是有用的。

为具有2个类

1 个答案: