精确度，召回率和f值在R

我有一段时间没有使用过R，所以也许我还不习惯它，但是..我有一张桌子在R有两个圆柱，第一个已预测值（一个值可以是0或1），第二个具有实际值（也是0或1）。我需要找到回忆，精确度和f-度量，但在R中找不到它的好函数（我也读过关于ROCR的内容，但我所能做的只是创建一些情节，但我确实不需要剧情，我需要数字）。精确度，召回率和f值在R

R有没有什么好的功能可以找到精确度，召回率和f-measure？有没有什么不同的方法来做到这一点？

来源

2012-09-24 Fanny

在我开始这个任务，我也没有。（http://en.wikipedia.org/wiki/Precision_and_recall#F-measure） – Fanny

我在https://stackoverflow.com/a/36843900/6105797回答了类似的问题 –

首先创建一个数据集作为

> predict <- sample(c(0, 1), 20, replace=T) 
> true <- sample(c(0, 1), 20, replace=T)

我想那些1的在预测值是检索。的检索的总数是

> retrieved <- sum(predict)

精密其获取的实例是相关的分数，是

> precision <- sum(predict & true)/retrieved

召回其是被检索相关实例的分数，是

> recall <- sum(predict & true)/sum(true)

F-measure是2 * precision * recall /（precision + recall）是

> Fmeasure <- 2 * precision * recall/(precision + recall)

来源

2012-09-24 22:40:21

谢谢，它工作得很好！（并且比我想象的要简单多了，我想我再次想到了） – Fanny

当预测全部为0（分类器预测所有样本属于0类）时，检索结果= 0，然后除以0 – Omri374

只是包装帕特里克伟大回答整齐成一个函数...

measurePrecisionRecall <- function(predict, actual_labels){ 
    precision <- sum(predict & actual_labels)/sum(predict) 
    recall <- sum(predict & actual_labels)/sum(actual_labels) 
    fmeasure <- 2 * precision * recall/(precision + recall) 

    cat('precision: ') 
    cat(precision * 100) 
    cat('%') 
    cat('\n') 

    cat('recall:  ') 
    cat(recall * 100) 
    cat('%') 
    cat('\n') 

    cat('f-measure: ') 
    cat(fmeasure * 100) 
    cat('%') 
    cat('\n') 
}

来源

2016-02-14 15:14:47 BGA

精确度，召回率和f值在R

回答

相关问题