二分類使用Accuracy和F1-score，多分類使用Accuracy和宏F1。
最近在使用sklearn做分類時候，用到metrics中的評價函數，其中有一個非常重要的評價函數是F1值，
在sklearn中的計算F1的函數為 f1_score ，其中有一個參數average用來控制F1的計算方式，今天我們就說說當參數取micro和macro時候的區別
1、准確率，查准率，查全率，F1值:
對於二分類問題，可將樣例根據其真實類別和分類器預測類別划分為：
真正例（True Positive，TP）：真實類別為正例，預測類別為正例。
假正例（False Positive，FP）：真實類別為負例，預測類別為正例。
假負例（False Negative，FN）：真實類別為正例，預測類別為負例。
真負例（True Negative，TN）：真實類別為負例，預測類別為負例。
然后可以構建混淆矩陣（Confusion Matrix）如下表所示。
#二分類
from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score
如果只有一個二分類混淆矩陣，那么用以上的指標就可以進行評價，沒有什么爭議，但是當我們在n個二分類混淆矩陣上要綜合考察評價指標的時候就會用到宏平均和微平均。
2、F1_score中關於參數average的用法描述和理解:
通過參數用法描述，想必大家從字面層次也能理解他是什么意思，micro就是先計算所有的TP，FN , FP的個數后，然后再利上文提到公式計算出F1
macro其實就是先計算出每個類別的F1值，然后去平均，比如下面多分類問題，總共有1,2,3,4這4個類別，我們可以先算出1的F1，2的F1，3的F1，4的F1,然后再取平均（F1+F2+F3+F4）/4
3、微平均（Micro-averaging）
首先計算總TP值，這個很好就算，就是數一數上面有多少個類別被正確分類，比如1這個類別有3個分正確，2有2個，3有2個，4有1個，那TP=3+2+2+1=8
其次計算總FP值，簡單的說就是不屬於某一個類別的元數被分到這個類別的數量，比如上面不屬於4類的元素被分到4的有1個
如果還比較迷糊，我們在計算時候可以把4保留，其他全改成0，就可以更加清楚地看出4類別下面的FP數量了，其實這個原理就是 One-vs-All (OvA)，把4看成正類，其他看出負類
同理我們可以再計算FN的數量
所以micro的 精確度P 為 TP/(TP+FP)=8/(8+4)=0.666 召回率R TP/(TP+FN)=8/(8+6)=0.571 所以F1-micro的值為：0.6153
4、宏平均（Macro-averaging）
macro先要計算每一個類的F1，有了上面那個表，計算各個類的F1就很容易了，比如1類，它的精確率P=3/(3+0)=1 召回率R=3/(3+2)=0.6 F1=2*(1*0.5)/1.5=0.75
可以sklearn，來計算核對,把average設置成macro
5、sklearn實現
注意：分類報告最后一行為加權平均值。0.64就是加權平均F1-score
https://blog.csdn.net/baidu_38945893/article/details/82141975
f1_score (y_true, y_pred, labels=None, pos_label=1, average=’binary’, sample_weight=None)
①None：返回每一類各自的f1_score，得到一個array。
②'binary': 只對二分類問題有效，返回由pos_label指定的類的f1_score。
Only report results for the class specified by pos_label. This is applicable only if targets (y_{true,pred}) are binary.
③'micro': 設置average='micro'時，Precision = Recall = F1_score = Accuracy。
注意：這是正確的， 微查准率、微查全率、微F1都等於Accuracy。
下例中為什么不等於？因為預測中有幾個0，出現錯誤了。
Note that for “micro”-averaging in a multiclass setting with all labels included will produce equal precision, recall and F_beta.
Calculate metrics globally by counting the total true positives, false negatives and false positives.
④'macro': 對每一類別的f1_score進行簡單算術平均（unweighted mean）, with assumption that all classes are equally important。
Calculate metrics for each label, and find their unweighted mean. This does not take label imbalance into account.
⑤'weighted': 對每一類別的f1_score進行加權平均，權重為各類別數在y_true中所占比例。
Calculate metrics for each label, and find their average, weighted by support (the number of true instances for each label). This alters ‘macro’ to account for label imbalance; it can result in an F-score that is not between precision and recall.
⑥'samples':
上例有點問題，因為怎么可能預測為0呢？
轉載 https://blog.csdn.net/lyb3b3b/article/details/84819931
還可參考
https://www.cnblogs.com/techengin/p/8962024.html
https://zhuanlan.zhihu.com/p/64315175
https://blog.csdn.net/qq_43190189/article/details/105778058
https://blog.csdn.net/sinat_28576553/article/details/80258619
————————————————
版權聲明：本文為CSDN博主「飛翔的大馬哈魚」的原創文章，遵循CC 4.0 BY-SA版權協議，轉載請附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/lyb3b3b/article/details/84819931