如何解决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。
解决方法
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
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。