python - 如何计算 K 折交叉验证的不平衡数据集的精度、召回率和 f1 分数？

Question

我有一个包含二元分类问题的不平衡数据集。我构建了随机森林分类器并使用了 10 折的 k 折交叉验证。

kfold = model_selection.KFold(n_splits=10, random_state=42)
model=RandomForestClassifier(n_estimators=50) 

我得到了10折的结果

results = model_selection.cross_val_score(model,features,labels, cv=kfold)
print results
[ 0.60666667  0.60333333  0.52333333  0.73        0.75333333  0.72        0.7
  0.73        0.83666667  0.88666667]

我通过计算结果的均值和标准差来计算准确度

print("Accuracy: %.3f%% (%.3f%%)") % (results.mean()*100.0, results.std()*100.0)
Accuracy: 70.900% (10.345%)

我的预测如下所示

predictions = cross_val_predict(model, features,labels ,cv=10)

由于这是一个不平衡的数据集，我想计算每个折叠的精度、召回率和 f1 分数，并对结果进行平均。 如何在 python 中计算值？

Answer 1

当您使用cross_val_score 方法时，您可以指定，您可以在每次折叠上计算哪些分数:

from sklearn.metrics import make_scorer, accuracy_score, precision_score, recall_score, f1_score

scoring = {'accuracy' : make_scorer(accuracy_score), 
           'precision' : make_scorer(precision_score),
           'recall' : make_scorer(recall_score), 
           'f1_score' : make_scorer(f1_score)}

kfold = model_selection.KFold(n_splits=10, random_state=42)
model=RandomForestClassifier(n_estimators=50) 

results = model_selection.cross_val_score(estimator=model,
                                          X=features,
                                          y=labels,
                                          cv=kfold,
                                          scoring=scoring)

交叉验证后，您将得到 results 字典，其中包含键:'accuracy'、'precision'、'recall'、'f1_score'，它在每个折叠上存储特定指标的指标值。对于每个指标，您可以使用 np.mean(results[value]) 和 np.std(results[value]) 计算平均值和标准值，其中值 - 1您指定的指标名称。