我计算精度和召回率时出了什么问题？

问题描述

假设有8个红球，1个绿色和1个蓝色。数据非常不平衡。我很愚蠢，预测10个都是红色。我是否弄清了混淆矩阵？如果是这样，我对所有类别的真实肯定值求和，对所有类别（真实肯定+假肯定值）求和，它们的商应该是我愚蠢分类的 precision ，对吧？为什么看起来这么好？ 召回也是如此。

此外，他们与sklearn计算的结果不同，这似乎更明智。

from sklearn.metrics import precision_score,recall_score

a = ["R"]*8 + ["G"] + ["B"]
b = ["R"]*10

print("Precision:",precision_score(a,b,average="macro"))
print("Recall:",recall_score(a,average="macro"))

Precision: 0.26666666666666666
Recall: 0.3333333333333333

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）