python - F1 分数指标和分类报告 sklearn 的 F1 分数值不同

Question

我正在尝试分析我的结果，因此我使用 sklearn 上的 F1 分数指标和分类报告。显示的结果完全不同，与平均类型无关。它根本不匹配。我的验证数据示例

F1 得分 0.7666666666666667

但是分类报告结果是:

  report       precision recall  f1-score   support
       0       0.16      0.57      0.25         7
       1       0.40      0.09      0.14        23
accuracy                           0.20        30



macro avg      precision: 0.28, recall:0.33,  f1score:0.20      support:30

weighted avg       precision:0.34      recall:0.20      f1score:0.17        support:30

任何帮助将不胜感激。谢谢!

我的代码是:` print('F1 分数 {}'.format(sklearn.metrics.f1_score(test_label, np.round(y_pred),average='micro'))´

对于分类报告，它是:

` print('F1 分数 {}'.format(sklearn.metrics.classification_report(test_label, np.round(y_pred), target_names=labels))´

labels 只是一个包含我的类标签的列表。

Answer 1

当您计算 f1-score 时，您要求 scikit 计算平均值='micro'，但分类报告计算宏观平均值和加权平均值。

尝试print('F1分数{}'.format(sklearn.metrics.f1_score(test_label, np.round(y_pred),average='macro'))。