sklearn.metrics.balanced_accuracy_score¶
sklearn.metrics.balanced_accuracy_score(y_true, y_pred, *, sample_weight=None, adjusted=False)
计算平衡精度
二元和多类分类问题中的平衡精度可以处理不平衡的数据集。 它定义为每个类获得的召回率的平均值。
adjusted=False时，最佳值为1，最差值为0。
在用户指南中阅读更多内容。
0.20版中的新功能。
| 参数 | 说明 |
|---|---|
| y_true | 1d array-like 真实的目标值。 |
| y_pred | 1d array-like 分类器返回的估计目标。 |
| sample_weight | array-like of shape (n_samples,), default=None 样本权重。 |
| adjusted | bool, default=False 如果为true，将根据偶然性对结果进行调整，以便随机性能得分为0，而完美性能得分为1。 |
| 返回值 | 说明 |
|---|---|
| balanced_accuracy | float |
另见
注
一些文献提出了平衡精度的替代定义。我们的定义等效于具有类平衡的样本权重的accuracy_score，并与二进制情况共享理想的属性。 请参阅用户指南。
参考
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
