精度得分与指标公式不匹配

Question

如何基于此混淆矩阵手动计算分数？

在这种情况下，精度分数应该是多少？ tp /（tp + fp）转换为99％（102/103）。对？但精度得分仅为98.36％。如果以下分数是正确的，为什么精度分数不匹配？ （准确率正确为94.73％（162/171）

我从：

https://towardsdatascience.com/grid-search-for-model-tuning-3319b259367e

---

更新：

如果我要获得此图所示的输出，标签顺序应该是什么？

Answer 1

问题是，混淆矩阵中的foo和TP被交换了。

如二进制example中所述，标签的解释如下：

真否定 FP

真阳性 expected=0, predicted=0

假阴性 expected=1, predicted=1

假阳性 expected=1, predicted=0

以您的示例为例：

expected=0, predicted=1

所以措施符合预期。

混淆矩阵已记录here

  

根据定义，混淆矩阵等于已知在组中但预计在组中的观察次数。   因此，在二元分类中，真实负数为C 0,0   ，假阴性为C 1,0，真阳性为C 1,1，假阳性为C 0,1。

这将导致以下结果：

##              TN       TP       FN       FP
expected =  [0]*102 + [1]*60 + [1]*8 + [0]*1
predicted = [0]*102 + [1]*60 + [0]*8 + [1]*1 

print ("precision " + '{:.16f}'.format(precision_score(expected, predicted)))
print ("recall    " + '{:.16f}'.format(recall_score(expected, predicted)))
print ("accuracy  " + '{:.16f}'.format(accuracy_score(expected, predicted)))

precision 0.9836065573770492
recall    0.8823529411764706
accuracy  0.9473684210526315

所以这些措施再次可以，只是混淆矩阵中的位置不是通常的位置，results = confusion_matrix(expected, predicted) print('TN ' ,results[0][0]) print('TP ' ,results[1][1]) print('FN ' ,results[1][0]) print('FP ' ,results[0][1]) print(results) TN 102 TP 60 FN 8 FP 1 [[102 1] [ 8 60]] 位于左上角。

解决方法很简单，就像手动交换TP和TP

TN

Answer 2

从您提到的博客中

您会看到真正的正数（通常将正数表示为1）是第四象限。我了解常见的混淆矩阵示例会将True正值作为第一象限，但是在博客中却是相反的。

因此，准确度得分计算应为60/61 = 0.9836。