为什么 scikit-learn 的“precision_score”会强制两个输入的大小相同？答案

【问题标题】：Why does scikit-learn's `precision_score` force the two input to be of the same size?为什么 scikit-learn 的“precision_score”会强制两个输入的大小相同？
【发布时间】：2016-10-03 23:21:33
【问题描述】：

definition，精度为：

tp / (tp + fp)

那么为什么 scikit 的 precision_score y_true 和 y_pred 的大小相同？

【问题讨论】：

我试图将其与 NLTK 版本进行比较。

标签： scikit-learn

【解决方案1】：

precision_score() 采用配对的y_true 和y_pred 工作，并使用配对来确定提供的测试样本中哪些是真阳性和假阳性。

例子

y_true    y_pred
     0         0   <- True negative
     1         0   <- False negative
     0         1   <- False positive
     1         1   <- True positive

【讨论】：

啊，好吧，但在文档中暗示它使用公式；错了吗？
没有。公式是tp，即为真阳性的对数，fp 是为假阴性的对数。
不，我的意思是，公式会计算真阳性等，即使 y_true 和 y_pred 的长度不同，我们也可以这样做。
如果它们的长度不同，那么您的预测没有对应的真实标签，或者您的标签没有对应的预测。无论哪种情况，您都不能称它们为“真阳性”或“假阳性”。
阅读NLTK版本后，您的问题更有意义。 NLTK 版本设计用于处理项目集，而 scikit-learn 版本处理有序示例。