使用交叉验证计算特异性

我想使用交叉验证来计算特异性。我找到了用于计算准确性，f1分数和精度的代码。但是我找不到它的特异性。例如，f1-score的代码如下：

cross_val_score(SVC,X,y,scoring="f1",cv = 7)

或者为了精度就像：

cross_val_score(SVC,scoring="precision",cv = 7)

谢谢。

特异度基本上是真实负利率，与真实正利率（召回）相同，但对于负数类别

如果您有一个二进制类，则应执行以下操作

从recall_score导入指标metrics（详细信息here）和make_scorer函数

from sklearn.metrics import recall_score
from sklearn.metrics import make_scorer

然后您生成新的计分器，定义要为哪个类别计算召回率（默认情况下，召回率是在label = 1上计算的）
```
specificity = make_scorer(recall_score,pos_label=0)
```

标签0通常是二进制问题中的否定类。

print(cross_val_score(classifier,X_train,y_train,cv=10,specificity))

如果您想召回（真实阳性率），可以通过更改班级方式进行同样的操作

sensitivity = make_scorer(recall_score,pos_label=1)
print(cross_val_score(classifier,sensitivity))

无论如何，如果您需要更复杂的内容，都可以创建自定义计分器