多分類分類圖？

Question

我正在瀏覽scikit-learn文檔，並意識到大部分繪圖曲線支持都存在於二進制分類中。

我想繪製我的多類分類器的precision_recall曲線和學習曲線。

model1=LogisticRegression() 
y_d = model1.predict_proba(matrix_test) 

我想知道是否存在用於繪製precision_recall曲線和學習曲線我緬大小爲（22428,22000）和標籤是大小（22428）的NP陣列的稀疏matrix_test任何方法？

Answer 1

如果你看看definiton of Precision and Recall，你可以看到那裏有一個不對稱，不直接翻譯成更高的維度。說這些類是Ç和ç，然後任意，其中一人被認爲是「真」，以及其他的「假」（你也可以看到，沒有對稱性：倒車「真」和「假」不會給出相同的結果）。在更高維度上，這不能直接完成。

雖然有很多方法可以提出啓發式擴展。假設你的課程是C ，...，C _m。您可以計算m精度和召回的類別C _i，然後取（加權）平均值。權重應該可能反映出課程的重要性。

請注意，這正是用於二進制情況的方案，其中「真」類的權重選擇爲1，「錯誤」類的權重選擇爲0（再次強調這個分數的任意不對稱）。

就實施而言，這是微不足道的。說你的混亂矩陣是m。然後從類i的角度看，精度爲m[i, i]/np.sum(m[:, i])，召回率爲m[i, i]/np.sum(m[i, :])。