Использование scikit-learn версии 0.22.1 в jupyterlab. Однако я не могу привести минимальный воспроизводимый пример, надеясь, что это нормально, потому что это скорее концептуальный вопрос.
Я строю модель классификации. У меня есть свои функции в X и моя целевая переменная в y. Я подхожу к регрессионной модели логистики c и вычисляю прогнозы:
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)
from sklearn.linear_model import LogisticRegression
logmodel = LogisticRegression(solver='liblinear')
logmodel.fit(X_train, y_train)
predictions = logmodel.predict(X_test)
Теперь я хочу просмотреть матрицу путаницы, оценку точности, оценку точности и оценку отзыва. Поэтому я запускаю следующее:
from sklearn.metrics import confusion_matrix, accuracy_score, precision_score, recall_score
print(f"Confusion matrix: \n {confusion_matrix(y_test, predictions)}")
print(f"Accuracy: \t {accuracy_score(y_test, predictions):.2%}")
print(f"Precision: \t {precision_score(y_test, predictions):.3f}")
print(f"Recall: \t {recall_score(y_test, predictions):.3f}")
>> Confusion matrix:
>> [[128838 54]
>> [ 8968 279]]
>> Accuracy: 93.47%
>> Precision: 0.838
>> Recall: 0.030
Оценка отзыва должна быть TP / (TP + FN) = 128838 / (128838 + 8968) = 0,934923008 . Почему sklearn дает мне 0,03 для отзыва? Я неправильно просчитал или recall_score работает не так, как я ожидал?
Редактировать: случайно набрал TP / (TP + FP) вместо вышеуказанного. Исправлено.