我们在 9 个类和一个特殊的"其他"类上使用scikit-learn==0.15.2和训练LinearSVC。"其他"类包含我们数据集中不适合我们尝试分类的 9 个重要类的任何内容。
我们希望仅获得 9 个类的平均微观/宏观精度/召回率/f1 指标，而不考虑"其他"类，以便为我们的分类器获得性能估计。
我们未能在内置的scikit metrics函数中找到任何支持。甚至 classification_report 函数在尝试将标签限制为仅 9 （https://github.com/scikit-learn/scikit-learn/issues/3123） 时也存在问题。
缺乏支持是否表明我们的基本方法不正确？在衡量绩效时，我们是否应该包括"其他人"？
编辑：请注意，我们的消费者仅在预测9个类别之一时才使用我们的预测。如果我们预测"其他人"，我们的输出就会被抛弃，并使用另一个模型。
简而言之，是的，您应该包括每个类。你为什么要忽略（可能是最大的）类？即使只是噪声，分类器性能的基础是能够实际区分重要类的噪声。在某些情况下，您可能对"其他"类不感兴趣（在误报无关的情况下），但这些情况非常罕见，因此不会直接在scikit-learn的度量模块中实现。
为什么不使用混淆矩阵 http://scikit-learn.org/stable/modules/generated/sklearn.metrics.confusion_matrix.html？
根据该矩阵，您可以创建自己的指标