F1分数：sklearn中的F1分数度量与分类报告中的F1分数值不同

Question

我正在尝试分析我的结果，所以我在sklearn上使用F1得分指标和分类报告。无论采用何种平均方法，显示的结果都完全不同。它们根本不匹配。以下是我的验证数据示例：

F1得分为0.7666666666666667

但分类报告的结果如下：

  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

任何帮助都将不胜感激。 谢谢！

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

对于分类报告，它是：

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

标签只是一个包含我的类标签的列表。

- arpitha

---

你具体的问题是什么？ - PV8

请问能否分享你的代码？ - sentence

抱歉，我的问题是为什么F1分数有差异？我的代码已经更新。 - arpitha

为什么要使用微平均？您的问题是二元分类，可以将默认值“binary”作为平均参数的值。在这种情况下，F1分数应该等于分类报告中1个案例的F1分数。 - Aelius

Answer 1

当你计算f1-score时，你要求scikit计算average='micro'，但分类报告计算宏平均和加权平均。

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

- Noki

---

谢谢您的回复，我已经尝试过了，但是数值仍然不匹配，甚至差别很大。 - arpitha