多标签分类问题的度量计算

Question

我需要学习这个函数如何处理多标签问题。

我试着计算的准确度以达到同样的结果，但我做不到。它是如何工作的？

该数据集中有4个标签，y_array是实数，y_pred是预测数组。y是这样的；[0,1,1,1]，[1,0,0]。。。

tp = 0
tn = 0
fn = 0
fp = 0
for i in range(len(y_array)):
for j in range(4) :
#True
if ( y_array[i][j] == 1 ) and (y_pred[i][j]  == 1  ) :
tp = tp + 1
elif ( y_array[i][j] == 0 ) and (y_pred[i][j]  == 0  ) :
tn = tn + 1
#False
elif ( y_array[i][j] == 0 ) and (y_pred[i][j]  == 1  ) :
fn = fn + 1
elif ( y_array[i][j] == 1 ) and (y_pred[i][j]  == 0  ) :
fp = fp + 1
ac = (tp+tn)/(tp+tn+fp+fn)
print("Accuracy", ac) 
print('Accuracy: {0}'.format(accuracy_score(y_array, y_pred)))

它们彼此不同，我如何计算这个多标签问题的准确性或其他指标？使用sklearn精度度量是错误的吗？

准确度0.9068711367973193

准确度：0.713499876125521

Answer 1

根据scikit学习准确性文档_score:

对于多标签分类，此函数计算子集精度：为样本预测的标签集必须与y_true中对应的标签集。

这意味着每个标签看起来都像[0,0,1,0]，并且对于单曲阳性需要完全匹配(因此y_pred也需要是[0,0,1,0](，而任何不是[0,0,1,0]的标签都将导致歌曲阴性。

在手动功能中，您可以分别计算每个部分匹配：如果y_true是[0,0,1,0]，y_pred是[0,1,0,0]，则将其计算为2个真阴性(在位置0和3(、1个假阳性(位置1(和1个假阴性(位置2(。使用您用于精度的公式，这将导致ac = (0+2)/(0+2+1+1)，其精度为50%，而sklearn.metrics.accuracy_score将为0%。

如果你想手动复制scikit learn accurcy_score，你需要首先检查y_array[i]的每个成员，然后将其标记为TP、TN、FP、FN中的一个。

然而，鉴于您正在处理多标签分类，根据上面的链接，您可能需要查看sklearn.metrics.jaccard_score、sklearn.meterics.hamming_loss或sklearn.mmetrics.zero_one_loss