我知道对于二进制分类问题，这很容易实现。但在多类问题的情况下，这似乎有点困难。 我有一个不平衡的数据集，这是一个4类分类问题的例子。现在，我希望在具有10个拆分的训练集上执行K折交叉验证，并且我希望cross_val_score()函数的'scoring'参数为'f1'而不是'accuracy'。classifier_RF
浏览 42提问于2021-02-09得票数 0
我想为多类分类问题计算准确度、查准率和召回率，以及F1评分.我正在使用下面提到的这些代码行。+ K.epsilon()) def recall(y_true,= precision(y_true, y_pred)
recall =
浏览 0提问于2019-11-11得票数 2
1回答
对整个数据集进行K-折叠交叉验证
、、、、
train_test_split(然后，在定义CatBoostClassifier之后，我使用我的训练集执行交叉验证的我现在可以使用整个数据集来执行k折交叉验证，以便评估模型吗？', 'roc_auc', 'recall', 'precision'
浏览 21提问于2020-05-24得票数 0
回答已采纳
1回答
作者使用精确性、精确性、查全性和F1给出了结果，但没有具体说明他们在F1度量(macro、micro、weighted等)上应用哪种平均值。以下是研究结果：如果您注意到最后一个系统，精度值是0.689，F1值是0.717，这比精度要高。
因此，给出数据集的不平衡状态，作者是否可能使用F1度量中的类平均使用macro方法？对我来说，这“不可能”发生，我认为他们可能使用了weighed F1评分。
浏览 0提问于2020-02-18得票数 1
1回答
下面几行是示例代码，我可以在其中计算准确率、精确度、召回率和f1分数。如何计算分层K折交叉验证的假阳性率(FPR)？from sklearn.metrics import make_scorer, accuracy_score, precision_score, recall_score, fromsklearn.model_selection import cross_validate
scoring = {'accuracy'
浏览 32提问于2021-11-14得票数 1
1回答
我试图对句子对任务进行多类分类。我上传了我的自定义数据集的训练和测试分别在拥抱脸数据集和训练我的模型和测试，并试图看看f1的分数和准确性。我试过了metric1 = load_metric("precision") metric2 = l
浏览 12提问于2022-05-24得票数 2
作为一个科学知识的初学者，并试图对虹膜数据集进行分类，在交叉验证阶段，我在将评分标准从scoring='accuracy'调整到其他方面时遇到了问题，比如精度、召回、f1等等。mean and std for each modelresults = []for name, model in models:
#below, we do k-fold=‘准确性’，我想评估这个多类
浏览 0提问于2019-02-01得票数 0
回答已采纳
1回答
当我使用Python的Sklearn进行交叉验证并获取不同指标(准确性、精确度等)的分数时。= cross_val_score(classifier, X_train, y_train, scoring='precision', cv=10)对于不同的指标，每次执行cross_val_score()函数都会产生相同的10倍
浏览 3提问于2018-03-13得票数 0
5回答
我正在使用scikit对垃圾邮件/火腿数据执行逻辑回归。我用这种方式训练了自己的LogisticRegression：classifier.fit(X_train, y_train)recall = cr
浏览 2提问于2014-12-08得票数 21
回答已采纳
1回答
我有一个多类的不平衡问题。因变量如下所示。: 0.879571098748252
print ('precision score:', precision_score(test_y,ry_pred, average='macro'))
所以，我的问题</em
浏览 0提问于2018-11-16得票数 2
我目前正在处理的数据集是不平衡的，大约30k行*14个特性(正如您所知)，99.5%的数据被标记为0。由于模型有很强的不平衡性，所以我决定使用精确/召回/F1评分来决定模型的性能。我使用SMOTE对我的培训数据进行了过度采样(在对所设置的验证进行分割之后)。现在，我的模型使用过采样的培训数据进行了培训，我将使用验证集对其进行测试。如果我只是在原始验证数据上验证它，我得到一个F1评分</em
浏览 0提问于2019-02-23得票数 3
1回答
我使用CNN对不平衡数据集进行图像分类。我对tensorflow后端完全陌生。这是多类问题(不是多标签问题)，我有16个类。类是一个热编码。 print (" — val_f1: %f — val_precision: %f — val_recall %f"
浏览 0提问于2019-05-22得票数 6
2回答
我正在训练CNN多类图像分类为4幅图像，我应该使用什么样的精度度量从Keras。我的标签不是一个热编码，因为我试图预测不同图像的概率。
浏览 0提问于2023-05-13得票数 0
回答已采纳
1回答
关于分类评价方法的探讨
、、、
在我的研究中，我正在处理4类分类的问题。我想要计算准确，精确和召回。由于数据数量较少(约为30)，如何将数据划分为训练集和测试集会影响评分。当执行交叉验证时，方差很大(例如精度为0.83333333，0.72727273，0.44444444)，我对评估该分类器感到困惑。在这种情况下，我是执行交叉验证100次还是500次，并计算验证分数的平均值？这是一个非常初级的问题和糟糕的英语，
浏览 0提问于2018-12-02得票数 0
回答已采纳
1回答
计算角膜微F-1评分
、、、、
我有一个包含15个不平衡类的数据集，并试图使用keras进行多标签分类。from keras import backend as K
def recall(y_true, y_pred)) """
浏览 4提问于2021-03-09得票数 3
回答已采纳
我正在使用交叉验证来评估具有scikit-learn的分类器的性能，并且我想要绘制精度-召回率曲线。我在scikit-learn`s的网站上找到了来绘制PR曲线，但它没有使用交叉验证进行评估。在使用交叉验证时，如何在scikit学习中绘制精确召回曲线？我执行了以下操作，但我不确定这是否是正确的方法(psudo代码)：
precision, recall, _ = p
浏览 2提问于2014-10-27得票数 7
2回答
我在研究多类不平衡的数据。我的因变量是高度倾斜的。score: 0.8110616374089428 AUC Score: 0.8582962280567071 Recall score: 0.3602869806251181 F1 score请建议是否有任何方法来提高精确度，回忆和A
浏览 0提问于2018-11-07得票数 1
我已经在matlab中训练了支持向量机，然后我将我的模型转移到OpenCV中来检测汽车的尾部。下面是代码。neg_mat = matfile('negfeat.mat'); % negative samples
negRow = neg_mat.bigmat
浏览 7提问于2015-09-09得票数 1
1回答
我试图使用F1评分来确定哪个k值能够使模型达到给定的目的。该模型是通过train函数在caret包中建立的。示例数据集：f1 <- function(data, lev = NULL, model = NULL) { f1_val <- (2*precision*recall) &#x
浏览 2提问于2018-03-24得票数 4
2回答
我使用sklearn对我的二进制分类数据集使用10折交叉验证，如下所示。我用"accuracy"，"precision_weighted"，"recall_weighted"，"f1_weighted“来衡量我的结果。scores = cross_validate(clf, X, y, cv=k_fold, scoring=("accuracy", "precis
浏览 55提问于2019-12-23得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
