我是 Python 和機器學習的新手。根據我的要求，我正在嘗試對我的數據集使用樸素貝葉斯算法。我能夠找出準確度，但試圖找出相同的精確度和召回率。但是，它拋出以下錯誤： "choose another average setting." % y_type)ValueError: Target is multiclass but average='binary'. Please choose another average setting.任何人都可以建議我如何進行。我嘗試在精度和召回分數中使用平均 ='micro'。它沒有任何錯誤，但它在準確性、精確度和召回方面給出了相同的分數。我的數據集：train_data.csv：review,labelColors & clarity is superb,positiveSadly the picture is not nearly as clear or bright as my 40 inch Samsung,negative測試數據.csv：review,labelThe picture is clear and beautiful,positivePicture is not clear,negative
1 回答
撒科打諢
TA貢獻1934條經驗 獲得超2個贊
您需要添加'average'參數。根據文檔：
平均值：字符串，[無，'二進制'（默認），'微'，'宏'，'樣本'，'加權']
多類/多標簽目標需要此參數。如果
None，則返回每個班級的分數。否則，這將確定對數據執行的平均類型：
做這個：
print("Precision Score : ",precision_score(y_test, y_pred,
pos_label='positive'
average='micro'))
print("Recall Score : ",recall_score(y_test, y_pred,
pos_label='positive'
average='micro'))
替換'micro'為上述任何一個選項，除了'binary'. 此外，在多類設置中，無需提供 ，'pos_label'因為它無論如何都會被忽略。
更新評論：
是的，它們可以相等。它在用戶指南中給出：
請注意，對于包含所有標簽的多類設置中的“微”平均將產生相同的精度、召回率和 F，而“加權”平均可能會產生不在精度和召回率之間的 F 分數。
添加回答
舉報
0/150
提交
取消