如何获取决策树模型各类标签准确率及整体准确率

嘿，我来帮你搞定这个问题！咱们先理清楚核心逻辑：你需要的每个类别准确率，本质是该类别中真实标签出现在模型Top5预测结果里的样本数，除以该类别的总样本数；而整体准确率可以基于分类别的结果推导出来，下面是具体的实现步骤和代码示例：

1. 先获取模型输出的Top5类别标签 #

首先你得从决策树模型里拿到每个样本的Top5预测类别（而不是默认的Top1），可以通过预测概率来提取：

# 假设clf是你训练好的决策树分类器
probs = clf.predict_proba(X_train)  # 获取每个样本对应所有类别的概率

# 提取概率最高的Top5类别索引（argsort后取最后5个，再反转成从高到低）
top5_indices = probs.argsort(axis=1)[:, -5:][:, ::-1]

# 把索引转换成对应的类别标签（clf.classes_是模型训练时的类别列表）
top5_labels = clf.classes_[top5_indices]

2. 统计每个类别的正确预测数与总样本数 #

接下来遍历所有样本，针对每个类别统计：该类别一共有多少样本，其中有多少样本的真实标签出现在模型的Top5预测里：

from collections import defaultdict

# 真实标签集合
y_true = Y_train

# 用字典存储每个类别的统计数据：正确数、总样本数
class_stats = defaultdict(lambda: {'correct': 0, 'total': 0})

for true_label, pred_top5 in zip(y_true, top5_labels):
    # 累加该类别的总样本数
    class_stats[true_label]['total'] += 1
    # 如果真实标签在Top5预测里，正确数+1
    if true_label in pred_top5:
        class_stats[true_label]['correct'] += 1

3. 计算每个类别的准确率 #

有了统计数据，直接计算每个类别的准确率就很简单了：

# 生成每个类别的准确率字典
class_accuracy = {
    cls: stats['correct'] / stats['total'] 
    for cls, stats in class_stats.items()
}

# 打印结果
print("每个类别Top5准确率：")
for cls, acc in class_accuracy.items():
    print(f"类别 {cls}: {acc:.4f}")

4. 基于分类别结果计算整体准确率 #

这里有两种常用的计算方式，你可以根据需求选择：

方式1：总正确样本数 / 总样本数 #

这是最直接的Top5整体准确率，反映所有样本中真实标签在Top5里的比例：

total_correct = sum(stats['correct'] for stats in class_stats.values())
total_samples = sum(stats['total'] for stats in class_stats.values())
overall_acc = total_correct / total_samples

print(f"\n整体Top5准确率（总正确数/总样本数）：{overall_acc:.4f}")

方式2：加权平均准确率 #

如果你的数据集存在类别不平衡（比如某些类别样本特别多），加权平均会更合理——用每个类别的样本占比作为权重，乘以该类别的准确率后求和：

weighted_overall_acc = sum(
    acc * (class_stats[cls]['total'] / total_samples) 
    for cls, acc in class_accuracy.items()
)

print(f"加权平均整体Top5准确率：{weighted_overall_acc:.4f}")

补充说明 #

• 如果你之前用accuracy_score()得到的是Top1准确率，和这里的Top5准确率逻辑完全不同，所以需要自定义计算
• 分类别准确率可以帮你快速定位模型对哪些类别识别能力强，哪些弱，方便后续优化模型

内容的提问来源于stack exchange，提问作者Code_99