首页 > 试题广场 >

计算分类模型的性能指标

[编程题]计算分类模型的性能指标

热度指数：327 时间限制：C/C++ 1秒，其他语言2秒空间限制：C/C++ 256M，其他语言512M
算法知识视频讲解

实现一个性能指标计算器函数，用于计算二分类问题的各种性能评估指标。该函数需要计算以下指标：

1. 混淆矩阵（Confusion Matrix）
2. 准确率（Accuracy）
3. F1分数（F1 Score）
4. 特异度（Specificity）
5. 负预测值（Negative Predictive Value）

这些指标在机器学习中用于评估分类模型的性能，特别是在二分类问题中。

输入描述:

第一行输入实际类别标签列表（1表示正类，0表示负类）。
第二行输入模型预测的类别标签列表（1表示正类，0表示负类）。

输出描述:

返回一个包含以下五个元素的元组：
1. confusion_matrix：2×2的混淆矩阵，格式为[[TN, FP], [FN, TP]]
2. accuracy：模型的准确率（保留3位小数）
3. f1_score：F1分数（保留3位小数）
4. specificity：特异度（保留3位小数）
5. negative_predictive_value：负预测值（保留3位小数）

示例1

输入

[1, 0, 1, 1, 0, 1]
[1, 0, 1, 0, 0, 1]

输出

([[3, 1], [0, 2]], 0.833, 0.857, 1.0, 0.667)

备注:

1. Python3对应的输入、输出已给出，您只用实现核心功能函数即可。
2. 支持numpy、scipy、pandas、scikit-learn库。

算法知识视频讲解

www111a

import numpy as np
def performance_metrics(actual: list[int], predicted: list[int]) -> tuple:
	# Implement your code here
    actual=np.array(actual)
    size=len(actual)
   
    predicted=np.array(predicted[:size])
    TP=np.sum((actual==1)&(predicted==1))
    TN=np.sum((actual==0)&(predicted==0))
    FP=np.sum((actual==0)&(predicted==1))
    FN=np.sum((actual==1)&(predicted==0))
    confusion_matrix=[[TP,FN],[FP,TN]]
    accuracy=(TP+TN)/(TP+TN+FP+FN)
    f1=2*TP/(2*TP+FP+FN)
    specificity=TN/(TN+FP)
    negativePredictive=TN/(TN+FN)
    return confusion_matrix, round(accuracy, 3), round(f1, 3), round(specificity, 3), round(negativePredictive, 3)


if __name__ == "__main__":
    actual = eval(input())
    predicted = eval(input())
    print(performance_metrics(actual, predicted))

第二个用例两个数组长度不一样

发表于 2025-11-28 17:43:32 回复(0)

Python3

凉拌西瓜炒鸡腿

题干confusion_matrix的顺序写错了，不是[[TN, FP], [FN, TP]]，应该是[[TP, FN], [FP, TN]]

发表于 2025-09-06 10:46:07 回复(0)

提交观点

问题信息

机器学习

难度：

2条回答 3收藏 701浏览

计算分类模型的性能指标

输入描述:

输出描述:

输入

输出

备注:

问题信息

热门推荐

相关试题