在 FastText 中评估每个类别的精度和召回率

【问题标题】：Evaluate per class precision and recall in FastText在 FastText 中评估每个类别的精度和召回率
【发布时间】：2018-05-11 22:36:50
【问题描述】：

我正在按照this 教程使用 Facebook Research FastText 库进行文本分类。我有 2 个标签，我正在执行分类（2 类）。测试文件上的预测输出显示了相同的精度和召回率。如何计算测试文件的每类精度和召回率？

【问题讨论】：

为什么不使用 sklearn 中的那个：scikit-learn.org/stable/auto_examples/model_selection/…

标签： machine-learning precision-recall fasttext

【解决方案1】：

我最近不得不自己处理这个问题。这个issue in Github 描述了这个问题，并提出了一个solution。

总之，您需要将此作为后处理步骤。上面链接的代码将您的实际标签与预测标签进行比较，并计算一个混淆矩阵，该矩阵准确地反映了分类器在二元分类中的性能。此代码仅计算混淆矩阵和准确度。如果您还想添加精度和召回率，您可以类似地使用 scikitlearn API，例如 sklearn.metrics.precision_recall_fscore_support

【讨论】：