一、什么是F1-score

F1分?jǐn)?shù)（F1-score）是分類問題的一個(gè)衡量指標(biāo)。一些多分類問題的機(jī)器學(xué)習(xí)競(jìng)賽，常常將F1-score作為最終測(cè)評(píng)的方法。它是精確率和召回率的調(diào)和平均數(shù)，最大為1，最小為0。

此外還有F2分?jǐn)?shù)和F0.5分?jǐn)?shù)。F1分?jǐn)?shù)認(rèn)為召回率和精確率同等重要，F(xiàn)2分?jǐn)?shù)認(rèn)為召回率的重要程度是精確率的2倍，而F0.5分?jǐn)?shù)認(rèn)為召回率的重要程度是精確率的一半。計(jì)算公式為：

G分?jǐn)?shù)是另一種統(tǒng)一精確率和的召回率系統(tǒng)性能評(píng)估標(biāo)準(zhǔn)，G分?jǐn)?shù)被定義為召回率和精確率的幾何平均數(shù)。

---

二、計(jì)算過程

1. 首先定義以下幾個(gè)概念：

TP（True Positive）：預(yù)測(cè)答案正確

FP（False Positive）：錯(cuò)將其他類預(yù)測(cè)為本類

FN（False Negative）：本類標(biāo)簽預(yù)測(cè)為其他類標(biāo)

2. 通過第一步的統(tǒng)計(jì)值計(jì)算每個(gè)類別下的precision和recall

精準(zhǔn)度 / 查準(zhǔn)率(precision)：指被分類器判定正例中的正樣本的比重

召回率 /查全率(recall)：指的是被預(yù)測(cè)為正例的占總的正例的比重

另外，介紹一下常用的準(zhǔn)確率(accuracy)的概念，代表分類器對(duì)整個(gè)樣本判斷正確的比重。

3. 通過第二步計(jì)算結(jié)果計(jì)算每個(gè)類別下的f1-score，計(jì)算方式如下：

4. 通過對(duì)第三步求得的各個(gè)類別下的F1-score求均值，得到最后的評(píng)測(cè)結(jié)果，計(jì)算方式如下：

---

三、python實(shí)現(xiàn)

可通過加載sklearn包，方便的使用f1_score函數(shù)。

函數(shù)原型：

sklearn.metrics.f1_score(y_true,y_pred,labels=None,pos_label=1,average=’binary’,sample_weight=None)

參數(shù)：

y_true: 1d array-like, or label indicator array / sparse matrix.

目標(biāo)的真實(shí)類別。

y_pred: 1d array-like, or label indicator array / sparse matrix.

分類器預(yù)測(cè)得到的類別。

average: string,[None, ‘binary’(default),‘micro’,‘macro’,‘samples’, ‘weighted’]

這里需要注意，如果是二分類問題則選擇參數(shù)‘binary’；如果考慮類別的不平衡性，需要計(jì)算類別的加權(quán)平均，則使用‘weighted’；如果不考慮類別的不平衡性，計(jì)算宏平均，則使用‘macro’。

示例程序：

from sklearn.metrics import f1_score

y_pred = [0, 1, 1, 1, 2, 2]
y_true = [0, 1, 0, 2, 1, 1]

print(f1_score(y_true, y_pred, average='macro'))  
print(f1_score(y_true, y_pred, average='weighted'))  

分析上述代碼，

對(duì)于類0：TP=1，F(xiàn)P=0，F(xiàn)N=1，precision=1，recall=1/2，F(xiàn)1-score=2/3，Weights=1/3

對(duì)于類1：TP=1，F(xiàn)P=2，F(xiàn)N=2，precision=1/3，recall=1/3，F(xiàn)1-score=1/3，Weights=1/2

對(duì)于類2：TP=0，F(xiàn)P=2，F(xiàn)N=1，precision=0，recall=0，F(xiàn)1-score=0，Weights=1/6

宏平均分?jǐn)?shù)為：0.333；加權(quán)平均分?jǐn)?shù)為：0.389

總結(jié)

以上是生活随笔為你收集整理的机器学习中的F1-score的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。