Cálculo de precisión, recuperación y puntaje F en una sola pasada - python
Precisión, precisión, recuperación y puntuación f son medidas de la calidad de un sistema en sistemas de aprendizaje automático. Depende de una matriz de confusión de Verdadero / Falso Positivo / Negativo.
Dada una tarea de clasificación binaria, he intentado lo siguiente para obtener una función que devuelva precisión, precisión, recuperación y puntuación f:
gold = [1] + [0] * 9
predicted = [1] * 10
def evaluation(gold, predicted):
true_pos = sum(1 for p,g in zip(predicted, gold) if p==1 and g==1)
true_neg = sum(1 for p,g in zip(predicted, gold) if p==0 and g==0)
false_pos = sum(1 for p,g in zip(predicted, gold) if p==1 and g==0)
false_neg = sum(1 for p,g in zip(predicted, gold) if p==0 and g==1)
try:
recall = true_pos / float(true_pos + false_neg)
except:
recall = 0
try:
precision = true_pos / float(true_pos + false_pos)
except:
precision = 0
try:
fscore = 2*precision*recall / (precision + recall)
except:
fscore = 0
try:
accuracy = (true_pos + true_neg) / float(len(gold))
except:
accuracy = 0
return accuracy, precision, recall, fscore
Pero parece que he recorrido el conjunto de datos de forma redundante 4 veces para obtener los positivos / negativos verdaderos / falsos.
También el múltipletry-excepts
para atrapar elZeroDivisionError
Es un poco redundante.
Entonces, ¿cuál es la forma pitónica de obtener los recuentos de positivos / falsos positivos / negativos sin múltiples bucles a través del conjunto de datos?
¿Cómo atrapo pitónicamente elZeroDivisionError
sin las múltiples excepciones de prueba?
También podría hacer lo siguiente para contar los positivos / negativos verdaderos / falsos en un bucle pero¿hay una forma alternativa sin el múltipleif
?:
for p,g in zip(predicted, gold):
if p==1 and g==1:
true_pos+=1
if p==0 and g==0:
true_neg+=1
if p==1 and g==0:
false_pos+=1
if p==0 and g==1:
false_neg+=1