Obtener el recuerdo (sensibilidad) y los valores de precisión (PPV) de un problema multi-clase en PyML

Question

Estoy utilizando PyML para la clasificación SVM. Sin embargo, he notado que cuando evalúo un clasificador multiclase usando LOO, el objeto resultados no informa los valores de sensibilidad y de PPV. Al contrario, son 0.0:

from PyML import *
from PyML.classifiers import multi

mc = multi.OneAgainstRest(SVM())
data = VectorDataSet('iris.data', labelsColumn=-1)
result = mc.loo(data)

result.getSuccessRate()
>>> 0.95333333333333337
result.getPPV()
>>> 0.0
result.getSensitivity()
>>> 0.0

He mirado el código, pero no podía entender lo que está mal aquí. Tiene alguien una solución para esto?

Answer 1

No se pueden obtener las medidas habituales de precisión / Recall en un problema multi-clase. Usted tiene que conseguir precisión / Recall para cada clase, y se puede calcular un promedio ponderado.

No sé acerca de los detalles de PyML, pero que sólo puede ir a través de las predicciones y calcularlos para cada clase.