rag*_*vri 5 machine-learning python-3.x scikit-learn
我有一个数据集,我希望使用它进行多类分类sklearn.linear_model.LogisticRegression().在拟合模型之后,我想获得每个交叉验证折叠的每个类的精确度,召回率和f1分数.
根据文档,存在sklearn.metrics.precision_recall_fscore_support(),其中我可以提供average=None作为参数来获得每个类的精度,召回,fscore.
存在sklearn.model_selection.cross_val_score(),我可以在scoring参数中提供自定义函数.但是,该函数必须返回一个数字.在我的情况下,我希望返回一个列表,这是不可能的.
还存在sklearn.model_selection.cross_validate(),其中我可以将多个函数作为scoring参数列表.这需要我创建3*NUMBER_OF_CLASSES不同的函数并将它们传递给scoring参数.
有更简单的方法吗？
| 归档时间： |
|
| 查看次数： |
569 次 |
| 最近记录： |