使用StratifiedShuffleSplit时计算召回指标

是一种评估机器学习模型性能的方法。StratifiedShuffleSplit是一种交叉验证的方法，它将数据集分成训练集和测试集，并且保持了原始数据集中各个类别的比例。

召回指标是评估分类模型在识别正例（Positive）样本中的能力。在二分类问题中，正例样本是我们关注的目标，而负例样本是其他类别。召回指标衡量了模型正确识别出正例样本的能力。

计算召回指标的步骤如下：

将数据集划分为训练集和测试集，可以使用StratifiedShuffleSplit方法来保持类别比例。
在训练集上训练机器学习模型。
在测试集上进行预测，并将预测结果与真实标签进行比较。
根据预测结果和真实标签计算召回指标。

召回指标可以通过以下公式计算：召回率 = 正确预测的正例样本数 / 正例样本的总数

在实际应用中，召回指标可以帮助我们评估模型在识别正例样本方面的性能。例如，在垃圾邮件过滤器中，召回指标可以告诉我们模型正确识别出的垃圾邮件的比例，从而评估模型的效果。

腾讯云提供了一系列与机器学习和人工智能相关的产品和服务，例如腾讯云机器学习平台（https://cloud.tencent.com/product/tcmlp）、腾讯云人工智能开放平台（https://cloud.tencent.com/product/aiopen）、腾讯云智能图像处理（https://cloud.tencent.com/product/tiip）等，这些产品和服务可以帮助开发者在云计算环境中进行机器学习和人工智能相关的开发和部署工作。

使用StratifiedShuffleSplit时计算召回指标

python-3.x、machine-learning、scikit-learn、knn

以下方法使用带有StratifiedShuffleSplit的KNN分类器，因为我有一个不平衡的数据集： skf = StratifiedShuffleSplit[test]) print(res) 如何修改scores来计算recall和precision指标，而不是默认精度？

浏览 10提问于2019-11-23得票数 1

回答已采纳

2回答

从cross_val_score获取概率

python、scikit-learn

我在python中有以下机器学习管道，使用嵌套交叉验证：from sklearn.svmimport SVCsss_inner= StratifiedShuffleSplit(n_splits=3, test_size=0.2, random_st

浏览 0提问于2017-11-12得票数 0

回答已采纳

3回答

在机器学习中数据集不平衡的情况下，AUC是比准确性更好的指标吗?如果不是，那么哪个是最好的指标？

python、machine-learning、artificial-intelligence、roc、auc

auc在处理不平衡数据方面是否更好。在大多数情况下，如果我处理的是不平衡的数据，那么准确性并不能给出正确的想法。尽管准确率很高，但模型的性能很差。如果不是auc，这是处理不平衡数据的最好方法。

浏览 146提问于2019-02-26得票数 0

回答已采纳

1回答

我们是否需要测试数据来评估模型的性能-回归

regression

在过去的6个月里，我一直在使用R和Python进行分类建模。在分类的基础上，对模型进行了精确性、召回性、Hamming损失、准确性等方面的评价，这些分类模型需要测试数据来计算这些评价指标。当我们计算SSR、SSE、RMSE和其他评价指标时，是否与回归的情况相同。从R的角度来看，摘要(LmRegressionModel)以一种或另一种方式给出了这些评估指标数字。

浏览 0提问于2018-07-27得票数 -1

回答已采纳

2回答

与sklearn一起交叉验证精确度、召回率和f1

python、scikit-learn

有没有什么简单的方法可以交叉验证分类器，并立即计算精度和召回率？目前我使用的函数是然而，它只计算一个指标，所以我必须调用它2次来计算精度和召回率。对于大型ML模型，计算时间不必要地增加了2倍。有没有内置的更好的选项，或者我必须自己实现交叉验证？

浏览 0提问于2015-06-06得票数 8

1回答

在Keras中的model.compile方法中，参数“度量”的含义是什么？

keras、metric

这些文件指出：我不明白的是：这些是用来训练网络的指标吗?也就是说，网络的目标是为这些指标获得尽可能好的价值吗？(我不知道它是如何做到的，比如:如果召回率很低，那么当使用正样本时，它会更多地纠正权重)？

浏览 0提问于2019-10-01得票数 1

回答已采纳

1回答

有哪些好的和广泛使用的评估指标来测试提取文本摘要方法的准确性？

machine-learning、classification、metrics、evaluation、summarization

我正在使用一种用于多文档提取文本摘要的分类技术。我计算了f-measure，召回率，精确度和准确度。对于我来说，评估此方法生成的摘要的理想指标是什么？

浏览 0提问于2015-01-26得票数 1

1回答

Keras，只打印验证数据的指标。

keras

是否有一种只为validation_data打印keras指标的方法？所以训练指标只是把我的日志弄得乱七八糟。有办法让他们安静下来吗？编辑:我知道我可以子类Callback，并且只在划时代结束时做这些，但是那样的话，我将对每个时

浏览 2提问于2017-12-12得票数 4

回答已采纳

1回答

COCO目标检测评估指标vs Kitti评估

deep-learning、object-detection、evaluation、mscoco、kitti

对于我的验证数据集(自己的数据)，我使用COCO和Kitti评估指标进行评估。我希望COCO AP (0.5)值和Kitti 2D AP (带有iou=0.5)也能得到类似的分数。但我不确定它们是否具有可比性，尽管它们背后的逻辑是相同的(检查2D前视图GT和DET框中的iou>0.5并进行匹配，计算精度/召回率). 我发现大多数论文只使用其中一种，没有人真正比较过这两种评估指标的结果。

浏览 10提问于2019-12-12得票数 1

2回答

如何提高快速rcnn目标检测模型召回率

tensorflow、object-detection

当总损失在一段时间内降至0.1以下时，我在400k步长左右停止了模型。召回率约为65%，准确率为40%，置信阈值为95%。我是否应该改用更快的rcnn ras (它具有更高的mAP，但我认为在我的用例中，精确度不如召回那么重要)？另一个问题是:对象检测模型的召回率通常是多少？

浏览 1提问于2018-04-21得票数 0

1回答

召回率@k和顶k推荐中的精确性

recommendation-engine、evaluation、precision-recall

Relevant_Items)在此之前，所有的事情都很清楚，但我不明白它们与召回率如何计算召回率@k

浏览 7提问于2015-11-13得票数 20

1回答

对于不平衡的二进制分类模型，我应该使用哪一种度量？

python、classification、precision、confusion-matrix、precision-recall

支持向量机的混淆矩阵如下：我应该使用什么度量来评估模型？使用f-avg、计算精度、回忆和以这种方式计算每个班级的f-1分数可以是一种解决方案：然后计算f-avg，通过计算每个类的两个f-1分数的算术平均值，如上一表的最后一行所报告的那样？

浏览 2提问于2021-04-27得票数 0

回答已采纳

2回答

用一个类的所有样本绘制混淆矩阵时的警告

python、prediction、confusion-matrix、plotting、f1score

plt.title("Confusion matrix")plt.xlabel("Predicted")问题是，当我运行这段代码时，会收到以下警告： UndefinedMetricWarning:在没有真正样本的标签中，召回和F分数定义不清，并被设置为0.0。使用zero_division参数控制此行为。

浏览 0提问于2021-04-05得票数 0

回答已采纳

1回答

对高度不平衡的数据进行适当的f1评分

python、machine-learning、scikit-learn、classification、imbalanced-data

我对三种不同的f1计算感到困惑。对于严重不平衡的数据，我应该使用哪种f1评分？我正在研究一个严重不平衡的二进制分类。

浏览 11提问于2021-04-07得票数 0

2回答

如何预测训练固态硬盘后的准确率、召回率和F1分数

python、tensorflow、computer-vision、object-detection、single-shot-detector

我是深度学习的新手，我希望能够使用F1分数来评估经过特定时期训练的模型。我认为它首先需要计算精度和召回率。训练的模型是SSD-300-Tensorflow。我没有使用sci-kit或任何东西，因为我不确定是否需要这些来计算分数，但任何指导都是非常感谢的。在名为metrics.py的文件夹tf_extended中有一个用于评估的文件，该文件具有用于精度和召回率的代码。训练完我的文件后，我将检查点放在了logs文件夹中。如何计算我的指标？由于硬件限制(G

浏览 72提问于2021-10-03得票数 0

回答已采纳

1回答

ValueError:发现样本数量不一致的输入变量：[6，1]

python、scikit-learn、metrics、multiclass-classification、precision-recall

我想计算每个图像的精确度和召回率。目前，对于每个图像，我有两个.txt:一个表示GT，另一个表示检测。示例： GT: [59, 59, 59]DETECTION: [34] 或 GT: [59, 59, 59] PRED: [30, 30, 1, 59] 我尝试使用此函数：precision= precision_score(GT, DETECTION, av

浏览 14提问于2020-03-25得票数 0

1回答

查全率与召回率的混淆

classification、multiclass-classification、metric

是否有方法计算上述结果的精确性和召回率？我明白，如果我正在执行其他ML任务，例如图像分类，那么精确性和回忆是有意义的。使用混淆矩阵将有助于轻松地计算这两个指标。如果精确性和召回没有意义，我还可以使用其他指标来评估模型吗？谢谢!

浏览 0提问于2020-07-13得票数 2

回答已采纳

1回答

MLlib:计算多个阈值的精度和召回率

scala、apache-spark、apache-spark-mllib

我将logistic回归的阈值设置为0.5，然后再使用它进行评分。我现在想要获得该值的精确度、召回率和f1分数。不幸的是，当我尝试这样做时，我看到的唯一阈值是1.0和0.0。如何获取阈值不为0和1的指标。阈值为: 1.0，精度为: 0.85我得不到阈值0.5的精度。以下是相关代码。predictionAndLabels = data.map { case LabeledPoint(label, features) => (mode

浏览 0提问于2016-01-06得票数 2

1回答

用于标记分类的Tensorflow BERT -在训练和测试时排除pad-标记的准确性

python、tensorflow、named-entity-recognition、huggingface-transformers、bert-language-model

我正在使用tensorflow的预训练BERT模型进行基于标记的分类，以自动标记句子中的因果。为了访问BERT，我使用了来自huggingface：的TFBertForTokenClassification-Interface 我用来训练的句子都是根据BERT-tokenizer转换成记号(基本上是单词到数字的映射)，然后在训练之前填充到一定的长度，所以当一个句子只有50个记号，另一个只有30个时，第一个句子用50个单词填充，第二个句子用70个单词填充，得到的通用输入句子长度是100。

浏览 0提问于2020-07-08得票数 1

4回答