如何理解sklearn的精度指标？答案

【问题标题】：how to understand the precision metric of sklearn?如何理解sklearn的精度指标？
【发布时间】：2016-06-21 02:03:11
【问题描述】：

您好，我正在与 sklearn 合作，为了更好地理解指标，我遵循了以下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 是如何计算这个结果的，因为在官方页面中说这是计算下一个公式：tp / (tp + fp) 其中 tp 是真阳性的数量，而 fp 是假阳性的数量，但是还使用称为“宏”的参数计算每个标签的指标，并找到它们的未加权平均值，这不考虑标签不平衡。感谢您的支持，我将不胜感激此示例的任何解释。

【问题讨论】：

标签： python scikit-learn

【解决方案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：precision = (0.66 + 0 + 0) / 3 = 0.22

【讨论】：

感谢支持，阿列克谢的解释很清楚。