为什么滑雪分类报告中的“加权”平均F1分数与从公式中计算的F1分数不同？

Question

我尝试用滑雪板分类报告计算“加权”f1评分，这似乎与用F1 = 2*((p*r)/(p+r))计算f1评分不同。例如：

看看这里找到的例子，看看加权平均线：

                precision    recall  f1-score   support
weighted avg       0.70      0.60      0.61         5

计算出来时，我得到：0.646153846 = 2*((0.70*0.60)/(0.70+0.60))，这与0.61不同。为什么会这样呢？这个f1分数是如何计算的？

Answer 1

F1评分是指二元分类模型中阳性类的F1评分。计算为F1 = 2*((p*r)/(p+r) )。

加权F1评分是一种特殊情况，我们不仅报告了阳性类的得分，而且报告了负类的得分。这是很重要的，在我们有不平衡的班级。因为简单的F1评分给出了一个很好的值，即使我们的模型总是预测正面。

所以加权平均值也考虑了这两个类的样本数，不能用上面提到的公式来计算。

希望能帮上忙。