我正在使用 XGBoost 分類器將 X 射線影像分為 3 類。我的問題是，當我使用混淆矩陣手動（手動）計算這些值時，它顯示的值與分類報告中的值不同。即使我使用了所有方程來計算這些。請幫助我了解如何手動計算以找到這些值（準確度、精確度和召回率）。
這是分類報告
precision recall f1-score support
0 1.0000 0.9052 0.9502 116
1 0.8267 0.9180 0.8700 317
2 0.9627 0.9357 0.9490 855
accuracy 0.9286 1288
macro avg 0.9298 0.9196 0.9231 1288
weighted avg 0.9326 0.9286 0.9297 1288
這是混淆矩陣
[0.90 0.05 0.04
0 0.91 0.08
0 0.06 0.93]
uj5u.com熱心網友回復：
準確性
總共做出了多少正確的預測？（接近 1）
TP 加上 TN，除以所有的總和
記起
在實際為陽性的樣本中，被確定為陽性的樣本的比例
我試圖做對的事情有多少？（接近 1）
精確
如果預測為陽性，則為中度陽性。正面預測有多準確
您解決的問題中有多少正確答案是正確的？（接近 1 更好）
好的，讓我們做 3 x 3 混淆矩陣
A 類精度 = 15 / 24 = 0.625
B 級精度 = 15 / 20 = 0.75
C 級精度 = 45 / 56 = 0.80
A 類召回 = 15 / 20 = 0.75
B 類召回 = 15 / 30 = 0.5
C 類召回 = 45 / 50 = 0.9
分類器的準確率 = (15 15 45) / 100 = 0.75
加權平均精度 = 實際 A 類實體 * A 類實際精度 B 類實際實體 * B 類精度 C 類實際實體 * C 類精度
= 20 / 100 * 0.625 30 / 100 * 0.75 50 / 100 * 0.8 = 0.75
加權平均召回 = 實際 A 類實體 * A 類實際召回 B 類實際實體 * B 類召回 C 類實際實體 * C 類召回
= 20 / 100 * 0.75 30 / 100 * 0.5 50 / 100 * 0.9 = 0.75
在你的情況下
A 類精度 = 0.9 / 0.9 = 1
B 類精度 = 0.91 / 1.02 = 0.89
C 級精度 = 0.93 / 1.05 = 0.89
A 類召回 = 0.9 / 0.99 = 0.91
B 類召回 = 0.91 / 0.99 = 0.92
C 類召回 = 0.93 / 0.99 = 0.94
分類器的準確率 = (0.9 0.91 0.93) / 2.97 = 0.92
加權平均精度 = 實際 A 類實體 * A 類實際精度 B 類實際實體 * B 類精度 C 類實際實體 * C 類精度 = 0.99 / 2.97 * 1 0.99 / 2.97 * 0.89 0.99 / 2.97 * 0.89 = 0.93
加權平均召回 = 實際 A 類實體 * A 類實際召回 B 類實際實體 * B 類召回 C 類實際實體 * C 類召回 = 0.99 / 2.97 * 0.91 0.99 / 2.97 * 0.92 0.99 / 2.97 * 0.94 = 0.92
轉載請註明出處，本文鏈接：https://www.uj5u.com/net/491849.html
上一篇：使用決策樹進行特征選擇