NumPy · 函数

分类评估

计算分类评估指标：准确率、精确率、召回率、F1。

调用签名(真实标签, 预测标签)

分ZHONGWEN
PYTHON

Chinese example

中文代码示例

# 完整案例：按字段调用 分类评估
设 结果 = NumPy.分类评估(
    真实标签=[1, 2, 3, 4],  # 必填；按函数业务含义传入 真实标签;首次使用建议先 打...
    预测标签=[1, 2, 3, 4],  # 必填；按函数业务含义传入 预测标签;首次使用建议先 打...
)
打印(结果)

可直接放进 .cs / .中py 文件运行。转换器会把中文代码交给真实 Python 解释器。

Parameters

参数说明

2 个参数

参数类型 / 传入方式说明

真实标签可选 · 默认无

未声明位置参数或字段名=值

按函数业务含义传入真实标签;首次使用建议先打印(结果) 确认其作用。

常见错误：漏传会报 TypeError: missing required argument: '真实标签';检查调用是否漏了这行

预测标签可选 · 默认无

未声明位置参数或字段名=值

按函数业务含义传入预测标签;首次使用建议先打印(结果) 确认其作用。

常见错误：漏传会报 TypeError: missing required argument: '预测标签';检查调用是否漏了这行

Playbook

基础用法 · 进阶组合 · 错误排查

# 完整案例：按字段调用 分类评估
设 结果 = NumPy.分类评估(
    真实标签=[1, 2, 3, 4],  # 必填；按函数业务含义传入 真实标签;首次使用建议先 打...
    预测标签=[1, 2, 3, 4],  # 必填；按函数业务含义传入 预测标签;首次使用建议先 打...
)
打印(结果)

# 进阶组合:分类评估 配合 NumPy 业务流使用
设 数据 = NumPy.数组([1, 2, 3, 4, 5])
设 结果 = NumPy.分类评估(
    真实标签=[1, 2, 3, 4],  # 必填
    预测标签=[1, 2, 3, 4],  # 必填
)
设 总和 = NumPy.求和(数据)
打印(结果)

# 错误排查:覆盖 2 个必填参数

## 参数 1: 真实标签
# 错误:漏传会报 TypeError: missing required argument
# 设 结果 = NumPy.分类评估()  # TypeError
# 修复:补上必填字段
设 结果 = NumPy.分类评估(真实标签=[1, 2, 3, 4])

## 参数 2: 预测标签
# 错误:漏传会报 TypeError: missing required argument
# 设 结果 = NumPy.分类评估()  # TypeError
# 修复:补上必填字段
设 结果 = NumPy.分类评估(预测标签=[1, 2, 3, 4])
打印(结果)