目标标签仅包含允许标签的子集时的 F1 分数计算答案

【问题标题】：F1 score computation when target labels contain only a subset of the allowed labels目标标签仅包含允许标签的子集时的 F1 分数计算
【发布时间】：2021-10-17 22:03:18
【问题描述】：

我有一个 3 类分类问题。
我的预测标签包含所有三个类别。
但是，我的目标标签只有三个类别中的两个。
例如：

predicted = [1,1,2,3,2,1]
target = [1,1,2,2,2,1]

在这种情况下，我应该如何计算 F1 分数？
我目前正在使用sklearn 的f1_score 函数和macro 平均值。
但这会导致上述情况的 F1 得分值较低。

【问题讨论】：

标签： machine-learning scikit-learn classification multiclass-classification

【解决方案1】：

f1_score 提供了一个名为 labels 的参数，让您可以定义一组标签以包含在average != 'binary' 的情况下。

例如，如果您只对 1 和 2 类的分类器性能感兴趣，您可以这样做：

from sklearn.metrics import f1_score


predicted = [1, 1, 2, 3, 2, 1]
target = [1, 1, 2, 2, 2, 1]

print(f1_score(target, predicted, average='macro', labels=[1, 2]))
# 0.9

【讨论】：