0

我正在使用逻辑回归方法进行多类分类。基本上我知道，如果我使用 accuracy_score () 函数（例如，来自 sklearn 库），它将计算出不同值到不同值的准确性，如下所示：

y_pred = [0, 2, 1, 3]
y_true = [0, 1, 2, 3]
accuracy_score(y_true, y_pred)
0.5

但是我想为每个标签（来自predict_proba）的顶级逻辑回归预测向量获取accuracy_score_new（）函数，并计算真实标签是否在这个区间内，如下所示：

y_pred = [[0,1,3] [2,1,4], [1,2,5] [3,7,9]]
y_true = [0, 1, 2, 3]
accuracy_score_new(y_true, y_pred)
1

此示例中的 accuracy_score_new 将等于 1，因为分类器预测标签在区间内。这个功能怎么实现？

4

2 回答 2

2

准确性只是（匹配值/总值）。

因此，在您的情况下，它将类似于：

def accuracy_score_new(y_pred, y_true):
    matched = 0
    for y_p, y_t in zip(y_pred, y_true):
        if y_t in y_p:
            matched = matched + 1

    return (matched / (float) len(y_true))
于 2017-08-31T12:24:39.713 回答
1

是的，您可以使用 sklearn 中的make_scorer函数来做到这一点。这个想法是你定义你的自定义函数，假设它有两个参数 y_true 和 y_pred。如果需要，您还可以添加任何其他参数。

这是一个示例：自定义评分功能

这是另一个示例：同时使用 MSE 和 R2 分数

这个答案也可能会有所帮助。

于 2017-08-31T11:10:20.587 回答