【发布时间】：2021-11-16 01:00:00
【问题描述】：
我想将手动计算的精度和召回率与 scikit-learn 函数进行比较。然而，recall_score() 和 precision_score() of scikit-learn 函数给了我不同的结果。不知道为什么！您能否给我一些建议，为什么我会得到不同的结果？谢谢！
我的混淆矩阵：
tp, fn, fp, tn = confusion_matrix(y_test, y_test_pred).ravel()
print('Outcome values : \n', tp, fn, fp, tn)
Outcome values :
3636933 34156 127 151
FDR=tp/(tp+fn) # TPR/Recall/Sensitivity
print('Recall: %.3f' % FDR)
Recall: 0.991
precision=tp/(tp + fp)
print('Precision: %.3f' % precision)
Precision: 1.000
precision = precision_score(y_test, y_test_pred)
print('Precision: %f' % precision)
recall = recall_score(y_test, y_test_pred)
print('Recall: %f' % recall)
Precision: 0.004401
Recall: 0.543165
【问题讨论】：
-
请提供示例数据（最小可重复示例）。当我尝试使用示例时，无论是手动计算还是使用 sklearn 函数计算的值都匹配。
-
@SoniaSamipillai 我有大量数据集。为了方便起见，我添加了混淆矩阵。
标签： python machine-learning scikit-learn classification precision-recall