Python sklearn balanced_accuracy_score用法及代码示例

本文简要介绍python语言中 sklearn.metrics.balanced_accuracy_score 的用法。

用法:

sklearn.metrics.balanced_accuracy_score(y_true, y_pred, *, sample_weight=None, adjusted=False)

计算平衡精度。

处理不平衡数据集的二元和多类分类问题的平衡精度。它被定义为在每个类上获得的平均召回率。

adjusted=False 时，最佳值为 1，最差值为 0。

在用户指南中阅读更多信息。

参数：

y_true：类似一维数组

基本事实(正确)目标值。

y_pred：类似一维数组

分类器返回的估计目标。

sample_weight：形状类似数组 (n_samples,)，默认=None

样本权重。

adjusted：布尔，默认=假

如果为真，则根据机会调整结果，以便随机性能得分为 0，同时保持完美性能得分为 1。

返回：

balanced_accuracy：浮点数

平衡的准确度得分。

注意：

一些文献提倡平衡准确性的替代定义。我们的定义等价于 accuracy_score 和 class-balanced 样本权重，并与二进制情况共享所需的属性。请参阅用户指南。

参考：

1

布罗德森，K.H.；王，C.S.；斯蒂芬，K.E.；布曼，J.M. (2010)。平衡精度及其后验分布。第 20 届国际模式识别会议论文集，3121-24。

2

约翰。 D. Kelleher、Brian Mac Namee、Aoife D'Arcy，(2015 年)。用于预测数据分析的机器学习基础知识：算法、工作示例和案例研究.

例子：

>>> 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