情感词典 评价指标 代码
时间: 2023-09-13 17:13:04 浏览: 36
以下是情感词典的评价指标和代码实现:
1. 准确率(Precision):表示模型判断为正类中,真正正确的比例。
代码实现:
```
def precision(y_true, y_pred):
true_positives = K.sum(K.round(K.clip(y_true * y_pred, 0, 1)))
predicted_positives = K.sum(K.round(K.clip(y_pred, 0, 1)))
precision = true_positives / (predicted_positives + K.epsilon())
return precision
```
2. 召回率(Recall):表示实际为正类中,被模型正确判断为正类的比例。
代码实现:
```
def recall(y_true, y_pred):
true_positives = K.sum(K.round(K.clip(y_true * y_pred, 0, 1)))
possible_positives = K.sum(K.round(K.clip(y_true, 0, 1)))
recall = true_positives / (possible_positives + K.epsilon())
return recall
```
3. F1值(F1 score):综合考虑准确率和召回率,是一个综合评价指标。
代码实现:
```
def f1_score(y_true, y_pred):
p = precision(y_true, y_pred)
r = recall(y_true, y_pred)
f1 = 2 * ((p * r) / (p + r + K.epsilon()))
return f1
```
4. AUC值(Area Under Curve):表示模型预测能力的综合评价指标。
代码实现:
```
from sklearn.metrics import roc_auc_score
auc = roc_auc_score(y_true, y_pred)
```