Comment puis-je calculer précision et de rappel pour l'analyse des sentiments classificateur multi-classe en utilisant la matrice de confusion?

Question

Je me demande comment calculer la précision et le rappel en utilisant une matrice de confusion analyse des sentiments classificateur multi-classe en utilisant la matrice de confusion. J'ai un ensemble de données de 5000 textes et je l'ai fait l'étiquetage humain pour un échantillon de 100. Maintenant, je voudrais calculer la précision et de rappel pour le classificateur basé sur cet échantillon de données. J'ai trois classes; Positif, neutre et négatif.

Comment puis-je calculer ces paramètres pour chaque classe?

Comme je suis nouveau ici en stackoverflow, je ne pouvais pas illustrer la matrice de confusion je, laissez-nous supposer que nous avons la matrice de confusion suivante:

red color > Negative 
green color > Positive 
purple color> Neutral 

Answer 1

Vous pouvez utilisez classification report de sklearn.

Answer 2

vous pouvez mesurer

précision = TPOS/(TPO + TNeg + TNeu) soit 30/(30 + 20 + 10) = 50%,

rappel = TPOS/(TPOS + FNEG + FNeu), à savoir 30/(30 + 50 + 20) = 30%,

F-mesure = 2 * précision * rappel/(précision + rappel) = 37,5%, et

Précision (vrai)/(toutes les données) = + 60 + 30 80/300 = 56,7%.

pour plus http://blog.kaggle.com/2015/10/23/scikit-learn-video-9-better-evaluation-of-classification-models/