• 問題描述
  在多分類的時候，用sklearn的classification_report會發(fā)現(xiàn)有的會打印出micro avg，有的則是accuracy。

• 例子展示

  • 例子1

y_pred = [1, 1, 2]
y_true = [1, 1, 1]
print(classification_report(y_true, y_pred, labels=[1, 2]))
                 precision    recall  f1-score   support

          1       1.00      0.67      0.80         3
          2       0.00      0.00      0.00         0

   accuracy                           0.67         3
  macro avg       0.50      0.33      0.40         3
weighted avg       1.00      0.67      0.80         3

• 例子2

y_pred = [1, 1, 2]
y_true = [1, 1, 1]
print(classification_report(y_true, y_pred, labels=[1, 2, 3]))

                precision    recall  f1-score   support

           1       1.00      0.67      0.80         3
           2       0.00      0.00      0.00         0
           3       0.00      0.00      0.00         0

   micro avg       0.67      0.67      0.67         3
   macro avg       0.33      0.22      0.27         3
weighted avg       1.00      0.67      0.80         3

• 例子3

y_pred = [1, 1, 2]
y_true = [1, 1, 1]
print(classification_report(y_true, y_pred, labels=[1, 0]))      


              precision    recall  f1-score   support

           1       1.00      0.67      0.80         3
           0       0.00      0.00      0.00         0

   micro avg       1.00      0.67      0.80         3
   macro avg       0.50      0.33      0.40         3
weighted avg       1.00      0.67      0.80         3

• 解決方法和分析

例子1：labels里面的值和y_pred的值一樣，打印出accuracy
例子2：labels里面有的值沒有在y_pred出現(xiàn)
例子3：y_pred的值沒有在labels里面出現(xiàn)
labels里面的值是我們最后想要打印出precision和recall的類別名字。如果labels和y_pred的取值范圍一樣，就會打印accuracy，如果不一樣，就會打印micro avg。