Open FDUyjx opened 4 years ago
if i[0] == 0: # NA relation if j > 0: fp_res.append((index[idx], j, pred_p[index[idx]])) fp += 1 else: if j == 0: fn += 1 else: for k in i: if k == -1: break if k == j: tp += 1 break if fp + tp == 0: precision = 1.0 else: precision = tp * 1.0 / (tp + fp) recall = tp * 1.0 / positive_num
这里为啥没考虑标签大于0,预测结果大于0,但预测错了的情况呀,precision的分母是不是少了这种情况呀
对,这个情况我们之前注意到了,是需要考虑的。 当时PCNN的实现上没考虑这个情况。 这个后续看情况会修改下,如果有兴趣的话,您可以提一个PR。
好的,谢谢大佬!
这里为啥没考虑标签大于0,预测结果大于0,但预测错了的情况呀,precision的分母是不是少了这种情况呀