sklearn中f1-score的简单使用

简单代码

from sklearn.metrics import f1_score                  # 导入f1_score
f1_score(y_test,y_predict, average='micro')            # 调用并输出计算的值
f1_score(y_test,y_predict, average='macro')
解释

其中

  • y_test: 真实的数据集切分后的测试y的值
  • y_predict: 预测值
    avarage: 数值计算的两种不同方式

f1_score

计算公式
f1_score = (2 * Recall * Presision) / (Recall + Presision)
意义
假设Recall 与 Presision 的权重一样大, 求得的两个值的加权平均书
sklearn中的使用

导入: from sklearn.metrics import f1_score

其中:average 的取值:

  • micro: 通过计算正确,错误和否定的总数来全局计算指标
  • macro: 计算每个标签的指标,并找到其未加权平均值。这没有考虑标签不平衡。

详细内容参考: https://blog.csdn.net/weixin_46072771/article/details/105757363

你可能感兴趣的:(sklearn中f1-score的简单使用)