在PyML中获取多类问题的召回（灵敏度）和精确度（PPV）值

Question

我用PyML进行支持向量机分类。然而，我注意到当我使用LOO评估多类分类器时，results对象没有报告敏感度和PPV值。相反，它们是0.0：

from PyML import *
from PyML.classifiers import multi

mc = multi.OneAgainstRest(SVM())
data = Vectordataset('iris.data', labelsColumn=-1)
result = mc.loo(data)

result.getSuccessRate()
>>> 0.95333333333333337
result.getPPV()
>>> 0.0
result.getSensitivity()
>>> 0.0

我看了代码，但不知道这里出了什么问题。有人能解决这个问题吗？在

Answer 1

对于多类灵敏度计算，可以使用scikit-learn metrics API。在

Notice average=None for sensitivity of each class independently.

sklearn.metrics.recall_score(Y_true,Y_prediction,average=None)

例如，如果Y有4个类，那么结果将是一个数组，每个类的敏感度都是。在

^{pr2}$

Answer 2

对于多类问题，您无法获得通常的精度/召回度量。你必须得到每个类的精确性/召回率，你可以计算一个加权平均数。在

我不知道PyML的具体细节，但是您可以浏览一下这些预测并为每个类计算它们。在