Question

多分类问题的准确率，召回率怎么计算

Answer 1

多分类时 采用one vs rest策略时 假如 label = [0,0,1,2,2] 只能对于0,1,2这三个类别分别计算召回率和准确率。
对于0类
若将0作为正类 则 1，2类都看作负类，则对于0类可计算召回率和准确率
对于1,2类同理
在sklearn.metrics 模块中 recall_score 和 precision_score函数不支持计算多分类

Answer 2

在信息检索、bai统计分类、识别、预测、翻译等领域，两个最基本指标是准确率和召回率，用来评价结果的质量。准确率（duPrecision），又称“精度”、“正确率”、“查准率”，表示在检索到的所有文档中zhi，检索到的相关文档所占的比例。召回dao率（Recall），又称“查全率”，表示在所有相关文档中，检索到的相关文档所占的比率内。两者的公式为：准确率 = 检索到的相关文档数量 / 检索到的所有文档总数 召回率 = 检索到的相关文档数量 / 系统中所有相关文档的总容数

Answer 3

在信息检索、统计分类、识别、预测、翻译等领域，两个最基本指标是准确率和召回率，用来评价结果的质量。
准确率（Precision），又称“精度”、“正确率”、“查准率”，表示在检索到的所有文档中，检索到的相关文档所占的比例。
召回率（Recall），又称“查全率”，表示在所有相关文档中，检索到的相关文档所占的比率。
两者的公式为：
准确率 = 检索到的相关文档数量 / 检索到的所有文档总数
召回率 = 检索到的相关文档数量 / 系统中所有相关文档的总数