我是Python和分类算法的新手。我使用GaussianNB对NSL数据集进行多类分类,最终需要获得精度、召回、f1评分值。
from sklearn.metrics import accuracy_score
from sklearn.metrics import precision_score
from sklearn.metrics import recall_score
from sklearn.metrics import f1_score
from sklearn.metrics import confusion_matrix, zero_one_loss
from sklearn
我想用classification_report、accuracy_score、precision_score、recall_score和f1_score评价指标来评价我的机器学习模型。
classification_report有正常输出,但我的precision_score报告了一个错误。
from sklearn.metrics import accuracy_score
from sklearn.metrics import precision_score
from sklearn.metrics import recall_score
from sklearn.
我是python和机器学习的新手。根据我的要求,我正在尝试对我的数据集使用朴素贝叶斯算法。
我能够找出准确率,但试图找出精确度和召回率相同。但是,它抛出了以下错误:
"choose another average setting." % y_type)
ValueError: Target is multiclass but average='binary'. Please choose another average setting.
有没有人能建议我怎么做呢?我已经尝试在精度中使用average ='micro‘,recall scores.I
在jupyterlab中使用scikit-学习版本0.22.1。我不能提供一个最小的可重复的例子,然而,希望这是好的,因为这是一个概念性的问题。
我在建立分类模型。我在X中有我的特征,在y中有我的目标变量。我拟合一个logistic回归模型并计算预测:
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)
from sklearn.linear_model im