数据挖掘 - 没有正分类的精度定义是什么？ - 吾爱随笔录

没有正分类的精度定义是什么？

数据挖掘分类定义

2021-10-11 15:19:33

精度定义为

precision = \frac{true positive}{true positive + false positive}

$\text{precision} = \frac{\text{true positive}}{\text{true positive} + \text{false positive}}$

如果没有正面分类（当然是正面元素），这个值应该是什么定义？

2个回答

我刚刚发现sklearn.metrics.precision_score处理它是这样的：

>>> sklearn.metrics.precision_score(y_true, y_pred)
/home/moose/.local/lib/python2.7/site-packages/sklearn/metrics/classification.py:1074:
  UndefinedMetricWarning: Precision is ill-defined and being
    set to 0.0 due to no predicted samples.
    'precision', 'predicted', average, warn_for)
0.0

所以他们发出警告并将其设置为0。

我参与了几个实际项目。在这些项目中，我们设计了分类器来处理实际问题。在我开始实际工作之前，我曾经对：整体分类准确性、敏感性和特异性非常感兴趣。在实际生活中，他们通常关心两个值：阳性预测值“precision”和阳性百分比PP“有多少样本被预测为阳性”。pp 值衡量此实用解决方案的实用性，而 ppv 值衡量您的解决方案的质量。根据我的理解，如果 pp 值为零，则未定义 ppv 值并且解决方案本身无效

其它你可能感兴趣的问题

上一篇用类型信息保存数据最常用的格式是什么下一篇为什么样本数小于我的决策树中的值数？