Python sklearn balanced_accuracy_score用法及代碼示例

本文簡要介紹python語言中 sklearn.metrics.balanced_accuracy_score 的用法。

用法:

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

計算平衡精度。

處理不平衡數據集的二元和多類分類問題的平衡精度。它被定義為在每個類上獲得的平均召回率。

adjusted=False 時，最佳值為 1，最差值為 0。

在用戶指南中閱讀更多信息。

參數：

y_true：類似一維數組

基本事實(正確)目標值。

y_pred：類似一維數組

分類器返回的估計目標。

sample_weight：形狀類似數組 (n_samples,)，默認=None

樣本權重。

adjusted：布爾，默認=假

如果為真，則根據機會調整結果，以便隨機性能得分為 0，同時保持完美性能得分為 1。

返回：

balanced_accuracy：浮點數

平衡的準確度得分。

注意：

一些文獻提倡平衡準確性的替代定義。我們的定義等價於 accuracy_score 和 class-balanced 樣本權重，並與二進製情況共享所需的屬性。請參閱用戶指南。

參考：

1

布羅德森，K.H.；王，C.S.；斯蒂芬，K.E.；布曼，J.M. (2010)。平衡精度及其後驗分布。第 20 屆國際模式識別會議論文集，3121-24。

2

約翰。 D. Kelleher、Brian Mac Namee、Aoife D'Arcy，(2015 年)。用於預測數據分析的機器學習基礎知識：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