Score de précision pour un vecteur de prédictions utilisant la régression logistique en Python

Question

Je fais la classification multiclasse en utilisant l'approche de régression logistique. En fait, je sais que si j'utilise accuracy_score function() (par exemple, de la bibliothèque de sklearn) il me calculer la précision de la valeur nette à la valeur distincte comme ceci:

y_pred = [0, 2, 1, 3] 
y_true = [0, 1, 2, 3] 
accuracy_score(y_true, y_pred) 
0.5 

Mais je veux obtenir le accuracy_score_new() fonction d'un vecteur de meilleurs prédictions de régression logistique pour chaque étiquette (de predict_proba) et calcule si la vraie étiquette se trouve dans cet intervalle comme suit:

y_pred = [[0,1,3] [2,1,4], [1,2,5] [3,7,9]] 
y_true = [0, 1, 2, 3] 
accuracy_score_new(y_true, y_pred) 
1 

le accuracy_score_new dans cet exemple sera égal à 1 car le classificateur prédit que l'étiquette est dans l'intervalle. Comment cette fonction peut-elle être effectuée?

Answer 1

La précision est juste (valeurs correspondantes/valeurs totales).

Donc, dans votre cas, il sera quelque chose comme:

def accuracy_score_new(y_pred, y_true): 
    matched = 0 
    for y_p, y_t in zip(y_pred, y_true): 
     if y_t in y_p: 
      matched = matched + 1 

    return (matched/(float) len(y_true)) 

Answer 2

Oui, vous pouvez le faire en utilisant la fonction make_scorer dans sklearn. L'idée est que vous définissiez votre fonction personnalisée en supposant qu'elle récupère les deux paramètres y_true et y_pred. Vous pouvez également ajouter des paramètres supplémentaires si vous le souhaitez.

Voici un exemple: Custom scoring function

Voici un autre exemple: Using MSE and R2 score at the same time

This answer pourrait être d'une certaine aide aussi.