我正在使用python sk-learn库进行分类。我正在使用交叉验证来查找分类算法的有效性。我想计算精确度,精确度,召回率,F1度量。目前我正在使用以下代码。如何计算python交叉验证中的不同度量值
dt = DecisionTreeClassifier(max_depth=dt_est)
dt_acc = cross_validation.cross_val_score(dt,x_data_tfidf.toarray(), target_arr, cv=cv, scoring='accuracy')
dt_f1 = cross_validation.cross_val_score(dt,x_data_tfidf.toarray(), target_arr, cv=cv,scoring='f1')
dt_pre = cross_validation.cross_val_score(dt,x_data_tfidf.toarray(), target_arr, cv=cv, scoring='precision')
dt_re = cross_validation.cross_val_score(dt,x_data_tfidf.toarray(), target_arr, cv=cv, scoring='recall')
我要问的是有没有一个计算的使用,我可以得到所有(准确度,精密度,召回,F1)的任何方式,目前我有单独计算所有的指标。
谢谢!提前。