Sklearn f1_score 与意外结果答案

【问题标题】：Sklearn f1_score with Unexpected ResultsSklearn f1_score 与意外结果
【发布时间】：2023-04-01 11:35:01
【问题描述】：

我想通过使用 Scikit-learn 对我的预测计算 f1_score 来评估机器学习系统。然而，结果并不如预期。调用混淆矩阵显示

[[ 3 11]
 [ 5 31]]

如果我手动计算 f1 分数为 2*(precision * recall) / (precision + recall)，我得到 2*(3/8 * 31/42)/(3/8 + 31/42) = 0.497。但是调用 f1_score(y_true, y_pred, average="binary") 得到 0.7949。有人解释一下吗？

即使当真正的标签混合在一起时，我调用 f1_score 时始终预测为 1，但我得到的还是高分而不是 0，并带有我期待的警告。我怀疑 f1_score 不是我对 avg="binary" 的期望，但我无法理解它。

我的 scikit-learn 版本是 0.21.3。

感谢您的帮助。

【问题讨论】：

标签： python scikit-learn

【解决方案1】：

您手动计算精度和召回值时出错。

精度 = TruePositives / (TruePositives + FalsePositives)

召回率 = TruePositives / (TruePositives + FalseNegatives)

请修改您的计算！正确后您将获得 0.7949 的值！

【讨论】：

这太尴尬了。感谢你的回复。我以某种方式将精度与特异性/真阴性比率混淆了。如果简单地将所有内容归类为 1，则 f1 分数可能会在我的类相当不平衡的情况下产生误导，返回的分数相当不错，约为 0.8。