sklearn中f1-score的簡單使用

簡單代碼

from sklearn.metrics import f1_score                  # 導入f1_score
f1_score(y_test,y_predict, average='micro')            # 調用並輸出計算的值
f1_score(y_test,y_predict, average='macro')

解釋

其中

• y_test: 真實的數據集切分后的測試y的值
• y_predict: 預測值
  avarage: 數值計算的兩種不同方式

f1_score

計算公式

f1_score = (2 * Recall * Presision) / (Recall + Presision)

意義

假設Recall 與 Presision 的權重一樣大， 求得的兩個值的加權平均書

sklearn中的使用

導入： from sklearn.metrics import f1_score

其中：average 的取值：

• micro： 通過計算正確，錯誤和否定的總數來全局計算指標
• macro： 計算每個標簽的指標，並找到其未加權平均值。這沒有考慮標簽不平衡。

詳細內容參考： https://blog.csdn.net/weixin_46072771/article/details/105757363