balanced_accuracy_score#

sklearn.metrics.balanced_accuracy_score(y_true, y_pred, *, sample_weight=None, adjusted=False)[源代码]#

计算平衡准确度。

处理不平衡数据集时，二分类和多分类问题中的平衡准确度。它定义为在每个类别上获得的召回率的平均值。

当 adjusted=False 时，最佳值为 1，最差值为 0。

在用户指南中阅读更多内容。

0.20 版本新增。

参数:
y_true形状为 (n_samples,) 的 array-like

真实（正确）的目标值。

y_pred形状为 (n_samples,) 的类数组

分类器返回的估计目标。

sample_weightshape 为 (n_samples,) 的 array-like, default=None

样本权重。

adjustedbool, 默认=False

当为 True 时，结果会根据机会进行调整，以便随机性能得分为 0，同时保持完美性能得分为 1。

返回:
balanced_accuracyfloat

平衡准确度分数。

另请参阅

average_precision_score

从预测分数计算平均精度 (AP)。

precision_score

计算精度分数。

recall_score

计算召回率分数。

roc_auc_score

从预测分数计算接收者操作特征曲线下面积 (ROC AUC)。

注意事项

一些文献提倡平衡准确度的替代定义。我们的定义等同于使用类别平衡样本权重的 accuracy_score，并与二分类情况共享理想的属性。请参阅用户指南。

References

[1]

Brodersen, K.H.; Ong, C.S.; Stephan, K.E.; Buhmann, J.M. (2010). The balanced accuracy and its posterior distribution. Proceedings of the 20th International Conference on Pattern Recognition, 3121-24。

示例

>>> from sklearn.metrics import balanced_accuracy_score
>>> y_true = [0, 1, 0, 0, 1, 0]
>>> y_pred = [0, 1, 0, 0, 0, 1]
>>> balanced_accuracy_score(y_true, y_pred)
0.625