Расчет точности, отзыва и F-балла за один проход-python

точность, точность, отзыв и f-оценка измерения качества системы в системах машинного обучения. Это зависит от матрицы путаницы истинных/ложных положительных / отрицательных.

учитывая задачу двоичной классификации, я попытался получить функцию, которая возвращает точность, точность, отзыв и F-score:

gold = [1] + [0] * 9
predicted = [1] * 10

def evaluation(gold, predicted):
  true_pos = sum(1 for p,g in zip(predicted, gold) if p==1 and g==1)
  true_neg = sum(1 for p,g in zip(predicted, gold) if p==0 and g==0)
  false_pos = sum(1 for p,g in zip(predicted, gold) if p==1 and g==0)
  false_neg = sum(1 for p,g in zip(predicted, gold) if p==0 and g==1)
  try:
    recall = true_pos / float(true_pos + false_neg)
  except:
    recall = 0
  try:
    precision = true_pos / float(true_pos + false_pos)
  except:
    precision = 0
  try:
    fscore = 2*precision*recall / (precision + recall)
  except:
    fscore = 0
  try:
    accuracy = (true_pos + true_neg) / float(len(gold))
  except:
    accuracy = 0
  return accuracy, precision, recall, fscore

но кажется, что я избыточно зациклился на наборе данных 4 раза, чтобы получить True / False Позитивы / Негативы.

и try-excepts чтобы поймать ZeroDivisionError - это немного лишнее.

Итак, каков питонический способ получить количество истинных/ложных положительных / отрицательных значений без нескольких циклов через набор данных?

как я могу pythonically поймать ZeroDivisionError без нескольких попыток-исключение?

Я также мог бы сделать следующее, Чтобы подсчитать истинные/ложные положительные / отрицательные значения в одном цикле но!--17-->есть ли альтернативный способ без нескольких if?:

for p,g in zip(predicted, gold):
    if p==1 and g==1:
        true_pos+=1
    if p==0 and g==0:
        true_neg+=1
    if p==1 and g==0:
        false_pos+=1
    if p==0 and g==1:
        false_neg+=1