y_true = [1, 1, 1, 1, 1, 0, 0, 0, 0, 2]
y_pred = [1, 1, 0, 1, 1, 1, 0, 1, 0, 2]
上記のカテゴリ1 を例として取り上げます。
正確さ
全体的な概念は、すべてのサンプルにおける正しい予測の割合を指します: 7/10 = 0.7
精度
ラベル 1 のサンプルのうち、実際には 1 であるサンプルの割合を予測します: 4/6 = 0.67
再現率再現率
1 であると予測されるラベル 1 のサンプルの割合: 4/5 = 0.8
F1 スコアf1-スコア
精度 p と再現率 r を考慮すると、f1 = 2pr/(p+r) = 0.73
Python では、sklearn.metrics ライブラリを通じてメトリック レポートを直接生成できます。
from sklearn.metrics import classification_report
y_true = [1, 1, 1, 1, 1, 0, 0, 0, 0, 0]
y_pred = [1, 1, 0, 1, 1, 1, 0, 1, 0, 0]
report = classification_report(y_true, y_pred)
print(report)
