Doğrulama doğruluğu ısı haritalarını elde etmek için bir RBF SVM (ikili sınıflandırıcı) ile Gridsearchcv kullanıyorum. Kullandığım kod, hemen hemen SKlearn'in web sitesinden. Bundan duyarlılığı ve özgünlüğü bulmanın bir yolu var mı? Gridsearchcv tarafından kullanılan parametre değerleri aralığı için mi?Sklearn'in gridsearchcv'den duyarlılık ve özgüllük (gerçek pozitif oran ve gerçek negatif oran) nasıl elde edilir?
Sorununuz ikili veya çok sınıflı bir sınıflandırma ise, confusion matrix aradığınız şey olabilir.
from sklearn.metrics import confusion_matrix
y_true = [2, 0, 2, 2, 0, 1]
y_pred = [0, 0, 2, 2, 0, 2]
confusion_matrix(y_true, y_pred)
array([[2, 0, 0],
[0, 0, 1],
[1, 0, 2]])
bir açıklaması şudur: sınıf 0 ait örnekler için
, estimator (2/2) doğru bunların% 100 öngördü.
Sınıf 1'e ait örnekler için, tahminci, sınıf 2'ye ilişkin tek örneği tahmin ettiği için% 100 yanlıştı.
Sınıf 2'ye ait örnekler için tahminci% 66 doğruydu (2/3) ikili sınıflandırma için sınıfa 0.
için sınıf 2 ve 1'e 2 örnek: senin GridSearchCV kullanılan parametreler hakkında
y_true = [1, 0, 1, 0, 0, 1]
y_pred = [1, 0, 1, 1, 0, 1]
cm = confusion_matrix(y_true, y_pred)
print cm
tp = float(cm[0][0])/np.sum(cm[0])
tn = float(cm[1][1])/np.sum(cm[1])
print tp
print tn
[[2 1]
[0 3]]
0.666666666667
1.0
, sen grid_scores_ özelliğinde onları buldum olabilir.