python - 如何理解sklearn的精度指标？

Question

您好，我正在使用 sklearn，为了更好地理解指标，我遵循以下 precision_score 示例:

from sklearn.metrics import precision_score
y_true = [0, 1, 2, 0, 1, 2]

y_pred = [0, 2, 1, 0, 0, 1]
print(precision_score(y_true, y_pred, average='macro'))  

我得到的结果如下:

0.222222222222

但我无法理解 sklearn 如何计算这个结果，因为在官方页面中说正在计算下一个公式:tp/(tp + fp) 其中 tp 是真阳性的数量，fp 是假阳性的数量，但是还使用称为“宏”的参数来计算每个标签的指标，并找到它们的未加权平均值，并且这不考虑标签不平衡。我希望对此示例有任何解释，感谢您的支持。

Answer 1

第一步是计算您拥有的每个标签的精度:

• 标签 0 的精度为 tp/(tp + fp) = 2/(2 + 1) = 0.66
• 标签 1 的精度为 0/(0 + 2) = 0
• 标签 2 的精度为 0/(0 + 1) = 0

最后一步是计算所有三个标签的平均精度:精度 = (0.66 + 0 + 0)/3 = 0.22