sklearn.metrics.balanced_accuracy_score?
sklearn.metrics.balanced_accuracy_score(y_true, y_pred, *, sample_weight=None, adjusted=False)
計算平衡精度
二元和多類分類問題中的平衡精度可以處理不平衡的數據集。 它定義為每個類獲得的召回率的平均值。
adjusted=False時，最佳值為1，最差值為0。
在用戶指南中閱讀更多內容。
0.20版中的新功能。
| 參數 | 說明 |
|---|---|
| y_true | 1d array-like 真實的目標值。 |
| y_pred | 1d array-like 分類器返回的估計目標。 |
| sample_weight | array-like of shape (n_samples,), default=None 樣本權重。 |
| adjusted | bool, default=False 如果為true，將根據偶然性對結果進行調整，以便隨機性能得分為0，而完美性能得分為1。 |
| 返回值 | 說明 |
|---|---|
| balanced_accuracy | float |
另見
注
一些文獻提出了平衡精度的替代定義。我們的定義等效于具有類平衡的樣本權重的accuracy_score，并與二進制情況共享理想的屬性。 請參閱用戶指南。
參考
Brodersen, K.H.; Ong, C.S.; Stephan, K.E.; Buhmann, J.M. (2010). The balanced accuracy and its posterior distribution. Proceedings of the 20th International Conference on Pattern Recognition, 3121-24.
2
John. D. Kelleher, Brian Mac Namee, Aoife D’Arcy, (2015). Fundamentals of Machine Learning for Predictive Data Analytics: Algorithms, Worked Examples, and Case Studies.
示例
>>> from sklearn.metrics import balanced_accuracy_score
>>> y_true = [0, 1, 0, 0, 1, 0]
>>> y_pred = [0, 1, 0, 0, 0, 1]
>>> balanced_accuracy_score(y_true, y_pred)
0.625