標籤：cas 允許 問題： bsp 使用 信賴度 loss amp class
from sklearn.metrics import precision_score,recall_score
print (precision_score(y_true, y_scores,average=‘micro‘))
sklearn.metrics模組實現了一些loss, score以及一些工具函數來計算分類效能。一些metrics可能需要正例、信賴度、或二分決策值的的機率估計。大多數實現允許每個sample提供一個對整體score來說帶權重的分布，通過sample_weight參數完成。
一些二分類(binary classification)使用的case：
- matthews_corrcoef(y_true, y_pred)
- precision_recall_curve(y_true, probas_pred)
- roc_curve(y_true, y_score[, pos_label, …])
一些多分類(multiclass)使用的case：
- confusion_matrix(y_true, y_pred[, labels])
- hinge_loss(y_true, pred_decision[, labels, …])
一些多標籤(multilabel)的case:
- accuracy_score(y_true, y_pred[, normalize, …])
- classification_report(y_true, y_pred[, …])
- f1_score(y_true, y_pred[, labels, …])
- fbeta_score(y_true, y_pred, beta[, labels, …])
- hamming_loss(y_true, y_pred[, classes])
- jaccard_similarity_score(y_true, y_pred[, …])
- log_loss(y_true, y_pred[, eps, normalize, …])
- precision_recall_fscore_support(y_true, y_pred)
- precision_score(y_true, y_pred[, labels, …])
- recall_score(y_true, y_pred[, labels, …])
- zero_one_loss(y_true, y_pred[, normalize, …])
還有一些可以同時用於二標籤和多標籤（不是多分類）問題：
- average_precision_score(y_true, y_score[, …])
- roc_auc_score(y_true, y_score[, average, …])
多分類評價指標python代碼
