手动计算Precision与scikit-learn结果不一致，求排查错误

你的手动计算确实存在错误，核心问题是对Precision指标的计算公式理解有误。

Precision的正确定义 #

Precision（精确率）针对预测为正例的样本，公式为：

Precision = TP / (TP + FP)

其中：

• TP（True Positive）：预测为1，真实标签也为1的样本数
• FP（False Positive）：预测为1，真实标签为0的样本数

你的手动计算错误点 #

你代码里的tru_p计算的是所有预测正确的样本总数（包括TP和TN，TN是预测为0且真实为0的样本），这完全不符合Precision的计算逻辑。你用sum(tru_p)/(sum(tru_p)+sum(fal_p))计算的不是Precision，而是一个错误的指标。

修正后的手动计算代码 #

把tru_p改成仅统计TP的数量：

# 正确计算TP：预测为1且真实为1
tp = sum(e1 == 1 and e2 == 1 for e1, e2 in zip(lst_y_preds2, y_true2))
# FP的计算是对的：预测为1且真实为0
fp = sum(e1 == 1 and e2 == 0 for e1, e2 in zip(lst_y_preds2, y_true2))

print("precision (manual corrected)", tp/(tp+fp))
print("precision (sklearn)", precision_score(y_true2, lst_y_preds2))

验证结果 #

运行修正后的代码，手动计算结果会和sklearn的0.7727272727272727完全一致，和classification_report里类别1的Precision值也对应上。

内容的提问来源于stack exchange，提问作者user21208477