如何理解SKLEARN的精度度量

Question

你好，我正在使用sklearn，为了更好地理解指标，我遵循了以下precision_score示例：

from sklearn.metrics import precision_score
y_true = [0, 1, 2, 0, 1, 2]
y_pred = [0, 2, 1, 0, 0, 1]
print(precision_score(y_true, y_pred, average='macro'))  

我得到的结果如下：

0.2222222222222

但我无法理解 sklearn 如何计算这个结果，因为在官方页面中说正在计算下一个公式：tp/（tp + fp），其中 tp 是真阳性的数量，fp 是误报的数量，但也使用名为"macro"的参数计算每个标签的指标，并找到它们的未加权平均值，这没有考虑标签不平衡。我将不胜感激对此示例的任何解释，感谢您的支持。

Answer 1

第一步是计算您拥有的每个标签的精度：

• 对于标签 0，精度为 tp / (tp + fp) = 2 / (2 + 1) = 0.66
• 对于标签 1，精度为 0 / (0 + 2) = 0
• 对于标签 2，精度为 0 / (0 + 1) = 0

最后一步是计算所有三个标签的平均精度：precision = (0.66 + 0 + 0) / 3 = 0.22