recall_score python

`recall_score` 是 `scikit-learn` 库中的一个函数，用于计算分类模型的召回率（Recall）。召回率是指在所有实际正样本中，分类器正确预测为正样本的比例。

`recall_score` 的函数定义为：

from sklearn.metrics import recall_score

recall_score(y_true, y_pred, labels=None, pos_label=1, average='binary', sample_weight=None)

其中，参数解释如下：

- `y_true`：真实的标签。
- `y_pred`：分类器预测的标签。
- `labels`：指定要计算召回率的标签类别，如果为 `None`，则计算所有类别的召回率。
- `pos_label`：指定正样本的标签值，默认为 1。
- `average`：指定召回率的计算方式，可选值为 `binary`、`micro`、`macro` 或 `weighted`。默认值为 `binary`。
- `sample_weight`：每个样本的权重。

下面是一个简单的示例：

from sklearn.metrics import recall_score

y_true = [0, 1, 2, 0, 1, 2]
y_pred = [0, 2, 1, 0, 0, 1]
recall = recall_score(y_true, y_pred, average='macro')

print("Recall: ", recall)

输出：

Recall:  0.3333333333333333