python - 将 classification_report 的准确度返回到列表中

Question

我正在使用 Sklean 的 classification_report 来总结我的训练和测试时期。

sklearn.metrics.classification_report

我在每个时期都会得到这样的返回:

>>> from sklearn.metrics import classification_report
>>> y_true
>>> y_pred 
>>> target_names = ['class 0', 'class 1', 'class 2']
>>> print(classification_report(y_true, y_pred, target_names=target_names))
              precision    recall  f1-score   support

     class 0       0.50      1.00      0.67         1
     class 1       0.00      0.00      0.00         1
     class 2       1.00      0.67      0.80         3

    accuracy                           0.60         5
   macro avg       0.50      0.56      0.49         5
weighted avg       0.70      0.60      0.61         5

(例如来自 sklearn 脚本)

现在我正在寻找一种方法，以获取列表中每个时期的准确度，以计算所有准确度的均值和标准差。

这个问题看起来很微不足道，但在我刚接触 Python/机器学习之前，您可以从我的问题中看出这一点。

谢谢你的帮助

狮子座

Answer 1

让我们看看 documentation其中包含有关输入参数 output_dict 的信息:

output_dict : bool (default = False) If True, return output as dict

如果你调用 classification_report(y_true, y_pred, target_names=target_names, output_dict=True) 你可以得到字典。然后你就是一个 stackoverflow question远离您的解决方案。