Question

我有一个三类问题，我可以使用以下代码报告每个类的准确率和召回率：

from sklearn.metrics import classification_report
print(classification_report(y_test, y_pred))

它以表格格式为我提供了 3 个类别中每个类别的准确率和召回率。

我的问题是我现在如何获得 3 个类别中的每个类别的敏感性和特异性？我查看了 sklearn.metrics，但没有发现任何用于报告敏感性和特异性的内容。

Answer 1

如果我们检查 help page for classification report：

<块引用>

注意，在二元分类中，正类的召回是也称为“敏感性”；负类的回忆是 “特异性”。

所以我们可以将pred转换为每个类的二进制，然后使用precision_recall_fscore_support的recall结果。

举个例子：

from sklearn.metrics import classification_report
y_true = [0, 1, 2, 2, 2]
y_pred = [0, 0, 2, 2, 1]
target_names = ['class 0', 'class 1', 'class 2']
print(classification_report(y_true, y_pred, target_names=target_names))

看起来像：

              precision    recall  f1-score   support

     class 0       0.50      1.00      0.67         1
     class 1       0.00      0.00      0.00         1
     class 2       1.00      0.67      0.80         3

    accuracy                           0.60         5
   macro avg       0.50      0.56      0.49         5
weighted avg       0.70      0.60      0.61         5

使用 sklearn：

from sklearn.metrics import precision_recall_fscore_support
res = []
for l in [0,1,2]:
    prec,recall,_,_ = precision_recall_fscore_support(np.array(y_true)==l,
                                                      np.array(y_pred)==l,
                                                      pos_label=True,average=None)
    res.append([l,recall[0],recall[1]])

将结果放入数据框中：

pd.DataFrame(res,columns = ['class','sensitivity','specificity'])

    class   sensitivity specificity
0   0   0.75    1.000000
1   1   0.75    0.000000
2   2   1.00    0.666667

sklearn：多类问题和报告敏感性和特异性

1 个答案: