我有一个50个数据点的小数据集,两个类,每个类25个。我正在使用交叉验证进行监督分类。我已经使用整个数据集训练了一个模型,但是我还想训练一个单独的模型,从一个类中删除7个数据点,看看这是如何比较的。这将使我在负班有25人,在正班有18人。我想使用accuracy
作为我的评分标准,因为它在我的领域中使用最广泛,所以我可以将我的结果与其他人进行比较。你知道吗
我想使用这个平衡精度的计算:http://mvpa.blogspot.com/2015/12/balanced-accuracy-what-and-why.html对于我的简化数据集,因为它似乎最直接地与平衡集的精度相比较?但是sci-kit中的balanced_accuracy
得分是一个不同的计算方法(每个类的平均召回率)。你知道吗
我读过很多关于不同指标、不平衡数据集等的书,我碰到了一堵墙。我不相信在sci工具包中有一个度量来执行我所追求的平衡精度计算?我需要用混淆矩阵自己计算吗?我不知道我的编码技术是否足够好。这是比较平衡和不平衡两个数据集的最佳方法吗?我知道理想情况下,ROC曲线应该用于平衡,而精确召回曲线应该用于不平衡,所以这并没有真正的帮助。你知道吗
非常感谢您的帮助。你知道吗
你提到的博客文章中所谓的“平衡准确度”严格等同于
sklearn.metrics.balanced_accuracy_score
,正如你所指出的,它是回忆分数的平均值。为了说服自己,我复制了博客文章中的例子:结果:
这些值与文章中的示例匹配!你知道吗
相关问题 更多 >
编程相关推荐