回答編集履歴
2
説明に誤りがあったため修正
test
CHANGED
|
@@ -1,5 +1,10 @@
|
|
|
1
|
+
以下を参照
|
|
2
|
+
|
|
3
|
+
https://gotutiyan.hatenablog.com/entry/2020/09/09/111840#micro-avg%E3%81%8C%E8%A1%A8%E7%A4%BA%E3%81%95%E3%82%8C%E3%82%8B%E6%9D%A1%E4%BB%B6
|
|
4
|
+
|
|
5
|
+
micro avgは引数にオプションとしてlabels=を指定し、教師用データのラベルと、予測用データのラベルが不一致の場合に表示されるため
|
|
1
|
-
以下のようにclassification_reportメソッド内で該当するラベルをlabels=で指定することで解決できました。
|
|
6
|
+
例えば以下のようにclassification_reportメソッド内で該当するラベルをlabels=で指定することで解決できました。
|
|
2
|
-
classification_report(iris.target_names[Y_test], pred, labels = ["
|
|
7
|
+
classification_report(iris.target_names[Y_test], pred, labels = ["versicolor", "virginica"])
|
|
3
8
|
|
|
4
9
|
#### ソースコード
|
|
5
10
|
|
|
@@ -21,6 +26,6 @@
|
|
|
21
26
|
score = accuracy_score(iris.target_names[Y_test], pred)
|
|
22
27
|
print('score:%s' % score)
|
|
23
28
|
# 修正した部分
|
|
24
|
-
print(classification_report(iris.target_names[Y_test], pred, labels = ["
|
|
29
|
+
print(classification_report(iris.target_names[Y_test], pred, labels = ["versicolor", "virginica"]))
|
|
25
30
|
print(confusion_matrix(iris.target_names[Y_test], pred))
|
|
26
31
|
```
|
1
ラベルの名称に誤りがあったため修正
test
CHANGED
|
@@ -1,5 +1,5 @@
|
|
|
1
1
|
以下のようにclassification_reportメソッド内で該当するラベルをlabels=で指定することで解決できました。
|
|
2
|
-
classification_report(iris.target_names[Y_test], pred, labels = ["setos
|
|
2
|
+
classification_report(iris.target_names[Y_test], pred, labels = ["setosa", "versicolor", "virginica"])
|
|
3
3
|
|
|
4
4
|
#### ソースコード
|
|
5
5
|
|
|
@@ -21,6 +21,6 @@
|
|
|
21
21
|
score = accuracy_score(iris.target_names[Y_test], pred)
|
|
22
22
|
print('score:%s' % score)
|
|
23
23
|
# 修正した部分
|
|
24
|
-
print(classification_report(iris.target_names[Y_test], pred, labels = ["setos
|
|
24
|
+
print(classification_report(iris.target_names[Y_test], pred, labels = ["setosa", "versicolor", "virginica"]))
|
|
25
25
|
print(confusion_matrix(iris.target_names[Y_test], pred))
|
|
26
26
|
```
|