在python中使用sklearn和numpy ：

from sklearn.metrics import confusion_matrix
import numpy as np

labels = ...
predictions = ...

cm = confusion_matrix(labels, predictions)
recall = np.diag(cm) / np.sum(cm, axis = 1)
precision = np.diag(cm) / np.sum(cm, axis = 0)

• 让我们假设我们有一个带有标签A，B和C的3类多分类问题。
• 首先要做的是生成一个混淆矩阵。请注意，对角线中的值始终为正值（TP）。

• 现在，要计算标签A的召回率 ，您可以从混淆矩阵中读取值并进行以下计算：

   = TP_A/(TP_A+FN_A) = TP_A/(Total gold labels for A) 

• 现在，让我们计算标签A的精度 ，您可以从混淆矩阵中读取值并进行计算：

   = TP_A/(TP_A+FP_A) = TP_A/(Total predicted as A) 

• 您只需要对其余的标签B和C进行相同的操作。这适用于任何多类分类问题。

这是完整的文章，讨论如何计算精度和召回任何多类分类问题，包括示例。

答案是，您必须计算每个类别的精度和召回率，然后将它们平均在一起。例如，如果您对A，B和C进行分类，则精度为：

(precision(A) + precision(B) + precision(C)) / 3

召回相同。

我不是专家，但这是我根据以下来源确定的：

https://list.scms.waikato.ac.nz/pipermail/wekalist/2011-March/051575.html http://stats.stackexchange.com/questions/21551/how-to-compute-precision-recall-for -multiclass-multilabel-classification

对于多标签分类，您有两种方法。首先考虑以下几点。

• 是示例数。
• 是地面真相标签的分配例..
• 是个例。
• 是预测的标签例。

基于示例

指标以每个数据点的方式计算。对于每个预测标签，仅计算其得分，然后将这些得分汇总到所有数据点上。

• 精度= ，预测的正确率之比。分子发现预测向量中有多少个标签与基本事实有共同点，并且比率计算实际有多少个预测真实标签在基本事实中。
• 召回= ，预测了多少实际标签的比率。分子找到预测向量中与地面实数有共同点的标记（如上所述），然后找到与实际标记数的比率，从而得到预测的实际标记的比例。

还有其他指标。

基于标签

在这里，事情是按标签进行的。对于每个标签，计算指标（例如，精度，召回率），然后将这些基于标签的指标进行汇总。因此，在这种情况下，最终要像对二进制分类（每个标签都有一个二进制赋值）那样，对整个数据集上的每个标签计算精度/召回率，然后对其进行汇总。

简单的方法是呈现一般形式。

这只是标准多类等效项的扩展。

• 宏平均

• 微平均

在这里分别是仅对的真阳性，假阳性，真阴性和假阴性计数 标签 。

$ B $代表任何基于混淆矩阵的指标。在您的情况下，您将插入标准精度并调用公式。对于宏观平均值，您传递每个标签计数，然后求和；对于微观平均值，您首先对计数取平均值，然后应用度量函数。

您可能有兴趣在这里查看多标签度量的代码，该代码是R中的mldr软件包的一部分。另外，您可能有兴趣研究Java多标签库MULAN 。

这是一篇介绍不同指标的好论文： 多标签学习算法综述