多分类评价指标python代码

以下是几个常用的多分类评价指标的 Python 代码实现：

1. 准确率（accuracy）

from sklearn.metrics import accuracy_score

y_true = [0, 1, 2, 0, 1, 2]
y_pred = [0, 2, 1, 0, 2, 1]

accuracy = accuracy_score(y_true, y_pred)

print("准确率：", accuracy)

2. 精确率（precision）

from sklearn.metrics import precision_score

y_true = [0, 1, 2, 0, 1, 2]
y_pred = [0, 2, 1, 0, 2, 1]

precision = precision_score(y_true, y_pred, average='macro')

print("精确率：", precision)

3. 召回率（recall）

from sklearn.metrics import recall_score

y_true = [0, 1, 2, 0, 1, 2]
y_pred = [0, 2, 1, 0, 2, 1]

recall = recall_score(y_true, y_pred, average='macro')

print("召回率：", recall)

4. F1-score

from sklearn.metrics import f1_score

y_true = [0, 1, 2, 0, 1, 2]
y_pred = [0, 2, 1, 0, 2, 1]

f1score = f1_score(y_true, y_pred, average='macro')

print("F1-score：", f1score)

其中，`average` 参数用于设置多分类情况下如何计算指标。可选值有 `'micro'`、`'macro'`、`'weighted'` 和 `'samples'`。一般情况下，`'macro'` 表示对每个类别分别计算指标，再求平均值；`'micro'` 表示将所有样本看成一个整体计算指标。