首页 文章

多级模型的准确性，精确度和召回率

提问于
浏览 次
11

如何从Naive Bayes模型计算每个 class 的准确度，精确度和召回率？我正在使用嵌入式数据集：iris和package tree 以及用于Naive Bayes的包 e1071 . 混淆矩阵如下：

prediction   setosa versicolor virginica
setosa         29          0         0
versicolor      0         20         2
virginica       0          3        21

P.S：请注意，我使用75个条目作为训练集，其他用于测试：

iris.train <- c(sample(1:150, 75)) # have selected 75 randomly
r naivebayes confusion-matrix precision-recall

1 回答

  • 20

    在整个答案中， mat 是您描述的混淆矩阵 .

    您可以使用以下方法计算和存储准

    (accuracy <- sum(diag(mat)) / sum(mat))
# [1] 0.9333333

    每个类的精度（假设预测在行上，真实结果在列上）可以用以下公式计算：

    (precision <- diag(mat) / rowSums(mat))
#     setosa versicolor  virginica 
#  1.0000000  0.9090909  0.8750000

    如果你想获取特定类的精度，你可以这样做：

    (precision.versicolor <- precision["versicolor"])
# versicolor 
#  0.9090909

    召回每个类（再次假设预测在行上，真实结果在列上）可以用以下公式计算：

    recall <- (diag(mat) / colSums(mat))
#     setosa versicolor  virginica 
#  1.0000000  0.8695652  0.9130435

    如果您想要回忆某个特定课程，您可以执行以下操作：

    (recall.virginica <- recall["virginica"])
# virginica 
# 0.9130435

    如果您将真实结果作为行并将预测结果作为列，那么您将翻转精度并调用定义 .

    数据：

    (mat = as.matrix(read.table(text="  setosa versicolor virginica
 setosa         29          0         0
 versicolor      0         20         2
 virginica       0          3        21", header=T)))
#            setosa versicolor virginica
# setosa         29          0         0
# versicolor      0         20         2
# virginica       0          3        21
    回复于

相关问题