机器学习入门者求助：修改precision_recall函数实现指定类别计算

嘿，我来帮你把这个函数改得符合需求！你的问题核心是没把第三个参数利用起来——我们可以用它来指定你想要计算指标的目标类别，直接把它传给sklearn评分函数的pos_label参数就行，这样就能针对特定类别计算精确率和召回率啦。

修改后的代码 #

首先，我把参数名从third改成了target_class（语义更清晰，后续维护也方便），然后在调用评分函数时传入这个参数：

from sklearn.metrics import precision_score, recall_score

def precision_recall(y_true, y_pred, target_class):
    # 针对指定的target_class计算精确率和召回率
    precision = precision_score(y_true, y_pred, pos_label=target_class)
    recall = recall_score(y_true, y_pred, pos_label=target_class)
    return precision, recall

怎么用？ #

举两个场景的例子：

• 二分类场景：如果你的标签是0（负样本）和1（正样本），想要计算正样本的指标，调用方式如下：

  y_true = [0,1,1,0,1]
  y_pred = [1,1,0,0,1]
  prec, rec = precision_recall(y_true, y_pred, 1)
  print(f"精确率: {prec}, 召回率: {rec}")
  

• 多分类场景：如果标签是字符串类别（比如"猫"、"狗"、"鸟"），想要计算"猫"类的指标，直接传对应字符串即可：

  y_true = ["猫", "狗", "猫", "鸟", "猫"]
  y_pred = ["猫", "猫", "狗", "鸟", "猫"]
  prec, rec = precision_recall(y_true, y_pred, "猫")
  

额外小提示（可选优化） #

如果传入的目标类别不在真实标签里，sklearn会抛出错误，你可以加个简单的检查提前拦截：

def precision_recall(y_true, y_pred, target_class):
    if target_class not in set(y_true):
        raise ValueError(f"目标类别 {target_class} 不在真实标签中！")
    precision = precision_score(y_true, y_pred, pos_label=target_class)
    recall = recall_score(y_true, y_pred, pos_label=target_class)
    return precision, recall

内容的提问来源于stack exchange，提问作者MLnewby