使用sklearn中的cross_val_score生成负预测值以进行模型性能评估

Question

作为评估模型指标的一部分，我想在sklearn中使用cross_val_score生成模型的负预测值。

在下面的示例中，我在cross_val_score中设置了“得分”参数，以计算并打印模型的正预测值的“精度”（与10倍交叉验证的均值和标准差）：

from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import cross_val_score
log=LogisticRegression()    
log_prec = cross_val_score(log, x, y, cv=10, scoring='precision')
print("PPV(mean, std): ", np.round(log_prec.mean(), 2), np.round(log_prec.std(), 2))

如何使用上述代码行从cross_val_score方法中生成负的预测值/ NPV（预测的负数成为真实负数的可能性）？

sklearn提供了许多计分选项（例如：roc_auc，召回率，准确性，F1等），但不幸的是，NPV都不是这样。

Answer 1

对于二进制分类问题，您可以反转标签定义。那么PPV将对应于您原始问题中的NPV