sklearn.metric 分类报告的精度答案

【问题标题】：Precision of sklearn.metric classification_reportsklearn.metric 分类报告的精度
【发布时间】：2012-11-29 23:32:40
【问题描述】：

我想知道是否有可能在 sklearn (scikit) 中使用 classification_report 的逗号后获得更多数字。

atm 看起来像这样：

         precision    recall  f1-score   support

      1       0.61      0.73      0.67     71194
      2       0.64      0.33      0.43     13877
      3       0.56      0.59      0.57     61591
      4       0.64      0.51      0.57     13187
      5       0.66      0.69      0.67     57530
      6       0.54      0.06      0.11      2391
      7       0.54      0.40      0.46     30223

平均/总计 0.60 0.60 0.60 249993

我认为这种方法不可能，但也许有人有相同的想法（可能）。

我知道sklearn.metrics.precision_score 存在，尽管分类报告是一次显示所有结果的好方法。

【问题讨论】：

标签： python scipy scikit-learn

【解决方案1】：

根据source code 是不可能的。请参见第 819 和 830 行，格式字符串被硬编码为 %0.2f。如果你真的想要它，只需在你的本地文件sklearn/metrics/metrics.py 中更改它。更好的是，向classification_report 添加一个带有精确数字的参数并使用它。并将您的补丁提交给项目！

【讨论】：