为什么计算宏观平均值的不同方法会得到不同的精度、召回率和 f1 分数答案

【问题标题】：Why do i get different precision, recall and f1 score for different methods of calculating the macro avearage为什么计算宏观平均值的不同方法会得到不同的精度、召回率和 f1 分数
【发布时间】：2019-12-07 15:16:09
【问题描述】：

我使用两种方法计算了我的分类的 P、R 和 F1 的宏观平均值。方法一是

print("Macro-Average Precision:", metrics.precision_score(predictions, test_y, average='macro'))
print("Macro-Average Recall:", metrics.recall_score(predictions, test_y, average='macro'))
print("Macro-Average F1:", metrics.f1_score(predictions, test_y, average='macro'))

给出了这个结果：

Macro-Average Precision: 0.6822
Macro-Average Recall: 0.7750
Macro-Average F1: 0.7094

方法二是：

print(classification_report(y_true, y_pred))

给出了这个结果：

precision    recall  f1-score   support
       0       0.55      0.25      0.34       356
       1       0.92      0.96      0.94      4793
       2       0.85      0.83      0.84      1047
accuracy                           0.90      6196

macro avg       0.78      0.68      0.71      6196
weighted avg       0.89      0.90      0.89      6196

我希望这两种方法的输出是相同的，因为它们是在同一次运行中同时生成的。有人可以解释为什么会发生这种情况或某处是否有错误？

【问题讨论】：

标签： scikit-learn multiclass-classification precision-recall

【解决方案1】：

据我从分类报告结果中可以看出，您有多个类。

如果您检查 documentation 以获得度量模块中的单个函数，默认参数将类“1”视为默认正类。

我认为可能发生的情况是，在您的第一次计算中，它是 One 与所有计算（0 和 2 是负类，1 是正类）。在第二种情况下，您实际上是在考虑真正的多类情况。

【讨论】：