使用sklearn中的cross_val_score生成负预测值，以进行模型性能评估

Question

作为评估模型度量的一部分，我想在sklearn中使用cross_val_score来为模型生成负面预测值。

在下面的示例中，我在cross_val_score中设置'scoring'参数来计算和打印模型的正预测值的'precision'（10倍交叉验证的平均值和标准差）：

from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import cross_val_score
log=LogisticRegression()    
log_prec = cross_val_score(log, x, y, cv=10, scoring='precision')
print("PPV(mean, std): ", np.round(log_prec.mean(), 2), np.round(log_prec.std(), 2))

如何从cross_val_score方法中使用类似上面的代码行来生成阴性预测值/ NPV（预测负值的可能性为真阴性）？

sklearn提供了许多评分选项（例如：roc_auc，召回，准确性，F1等），但不幸的是没有NPV ...

Answer 1

对于二进制分类问题，您可以反转标签定义。然后PPV将对应于原始问题中的NPV