balanced_accuracy_score

sklearn.metrics.balanced_accuracy_score(y_true, y_pred, *, sample_weight=None, adjusted=False)

计算平衡准确度。

在二进制和多类分类问题中处理不平衡数据集的平衡精度。它被定义为在每个类上获得的召回率的平均值。

当 adjusted=False .

阅读更多的 User Guide .

Added in version 0.20.

参数:

y_true形状类似阵列（n_samples，）

地面真相（正确）目标值。

y_pred形状类似阵列（n_samples，）

分类器返回的估计目标。

sample_weight形状类似数组（n_samples，），默认=无

样本重量。

adjusted布尔，默认=假

当为true时，结果将根据机会进行调整，因此随机性能将得分为0，而完美性能将得分为1。

返回:

balanced_accuracy浮子

平衡的准确性分数。

参见

average_precision_score

根据预测分数计算平均精度（AP）。

precision_score

计算精度分数。

recall_score

计算召回分数。

roc_auc_score

根据预测分数计算受试者工作特征曲线下面积（ROC AUR）。

注意到

一些文献提倡平衡准确性的替代定义。我们的定义相当于 accuracy_score 类平衡的样本权重，并与二进制情况下共享所需的属性。看到 User Guide .

引用

[1]

布罗德森，BH; Ong，CS;斯蒂芬，KA;布曼，JM（2010）。平衡准确性及其后验分布。第20届国际模式识别会议录，3121-24。

[2]

John. D. Kelleher，Brian Mac Namee，Aoife D'Arcy，（2015）. Fundamentals of Machine Learning for Predictive Data Analytics: Algorithms, Worked Examples, and Case Studies .

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)
np.float64(0.625)