谈谈sklearn中的准确率和召回率

        实际

        1         0

预测 1    760       290

   0    1937      12488

其中预测为正例 1050，预测为负例14425

我们很容易得到 上面的 0正确率为12488/14425   召回为12488/12778

1的正确率为 760/1050 召回为760/2697

结果跟上面的结果一致，可是下面的avg/total 怎么来的，百思不得其解

查到

http://stackoverflow.com/questions/31169874/what-does-the-last-raw-mean-in-classification-report-in-scikit-learn

http://scikit-learn.org/stable/modules/generated/sklearn.metrics.precision_recall_fscore_support.html

http://stats.stackexchange.com/questions/117654/what-does-the-numbers-in-the-classification-report-of-sklearn-mean

源码如下：

# compute averages
values = [last_line_heading]
for v in (np.average(p, weights=s),
          np.average(r, weights=s),
          np.average(f1, weights=s)):
    values += ["{0:0.{1}f}".format(v, digits)]
values += ['{0}'.format(np.sum(s))]

原来是加权平均出来的

like this

准确率 =(0.87*12778+0.72*2697)/(12778+2697)

召回率 =(0.98*12778+0.28*2697)/(12778+2697)

也是醉了