多分類算法的評價指標

過去我們在解決分類問題時遇到的大部分問題都是二元分類問題。常用的評價指標有準確度、精密度、recall _ score、F1分、ROC _ AUC _ score等。然而，在現實生活中，多分類問題也大量存在。本節將詳細講解多分類問題的評價指標。

我們以recall_score為例，來看看sklearn庫中兩個類別的評測指標。在recall_score方法中，有壹個非常重要的參數‘average’，它的默認值是‘binary’。在缺省參數的情況下，這種評價方法只能解決兩類問題。如果此評估方法用於多類別問題，系統將報告錯誤。但是‘平均’也為我們提供了另外四個參數‘微觀’、‘宏觀’、‘加權’和‘樣本’，用於解決多分類問題。下面我們以虹膜數據集為例，逐壹解釋這四個參數。

[sk learn . metrics . recall _ score]('/p/59862986

上一篇:Tik Tok信息流與ip的區別

下一篇:發酵食品有哪些分類？