如何解决理解分类报告：与混淆矩阵的差异
我训练了不同的算法，并打印了混淆矩阵和分类报告。我遇到的问题是如何根据混淆矩阵解释分类报告
下面的混淆矩阵显示了返回的真阳性和真阴性。观察时 在分类报告中，我看到 F 类的精度为 0.70，而为该类找到的更正句子数为 519，这与 M 类没有意义和相同。在我的情况下，值是否可能是倒置的？我使用 scikit 中给出的公式学习打印这些表格。如果有人能帮助我理解这两者（混淆和报告），可能 F 类报告中的精度不是我认为的那样，或者是模型的一般精度。
模型使用的是 GaussianNB()
cm = confusion_matrix(ylabels,y_pred)
print(cm)
print(classification_report(ylabels,y_pred))
confusion matrix:
[[ 519 1501]
[ 219 840]]
precision recall f1-score support
F 0.70 0.26 0.38 2020
M 0.36 0.79 0.49 1059
accuracy 0.44 3079
macro avg 0.53 0.53 0.44 3079
weighted avg 0.58 0.44 0.42 3079
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
