python - 一次性计算精度、召回率和 F 分数 - python

Question

Accuracy, precision, recall and f-score是机器学习系统中系统质量的度量。它取决于真/假阳性/阴性的混淆矩阵。

给定一个二元分类任务，我尝试了以下方法来获得一个返回准确度、精确度、召回率和 f-score 的函数:

gold = [1] + [0] * 9
predicted = [1] * 10

def evaluation(gold, predicted):
  true_pos = sum(1 for p,g in zip(predicted, gold) if p==1 and g==1)
  true_neg = sum(1 for p,g in zip(predicted, gold) if p==0 and g==0)
  false_pos = sum(1 for p,g in zip(predicted, gold) if p==1 and g==0)
  false_neg = sum(1 for p,g in zip(predicted, gold) if p==0 and g==1)
  try:
    recall = true_pos / float(true_pos + false_neg)
  except:
    recall = 0
  try:
    precision = true_pos / float(true_pos + false_pos)
  except:
    precision = 0
  try:
    fscore = 2*precision*recall / (precision + recall)
  except:
    fscore = 0
  try:
    accuracy = (true_pos + true_neg) / float(len(gold))
  except:
    accuracy = 0
  return accuracy, precision, recall, fscore

但似乎我已经冗余地循环遍历数据集 4 次以获得真/假阳性/阴性。

此外，用于捕获 ZeroDivisionError 的多个 try-excepts 也有点多余。

那么在没有多次循环遍历数据集的情况下获取真/假阳性/阴性计数的 pythonic 方法是什么？

如何在没有多个 try-excepts 的情况下以 python 方式捕获 ZeroDivisionError？

---

我也可以在一个循环中执行以下操作来计算真/假阳性/阴性，但是是否有另一种方法没有多个 if？:

for p,g in zip(predicted, gold):
    if p==1 and g==1:
        true_pos+=1
    if p==0 and g==0:
        true_neg+=1
    if p==1 and g==0:
        false_pos+=1
    if p==0 and g==1:
        false_neg+=1

Answer 1

what is the pythonic way to get the counts of the True/False Positives/Negatives without multiple loops through the dataset?

我会使用 collections.Counter ，最后您对所有 if 所做的大致操作(您应该使用 elif，因为您的条件是互斥的):

counts = Counter(zip(predicted, gold))

然后例如true_pos = counts[1, 1]。

How do I pythonically catch the ZeroDivisionError without the multiple try-excepts?

首先，您应该(几乎)永远不要使用裸except:。如果您正在捕获 ZeroDivisionError，则编写 except ZeroDivisionError。你也可以考虑 "look before you leap"方法，在尝试除法之前检查分母是否为 0，例如

accuracy = (true_pos + true_neg) / float(len(gold)) if gold else 0