正确计算F1评分

Question

我在Python工作，我试图从我受过训练的模型中获得我的f1分数。文档列出了如下语法：

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

但我不知道y_true和y_pred应该是什么。从逻辑上讲，y_true应该是y的真实值，y_pred应该是y的预测值，但是根据这个定义，我一次只能检查一个值，是遗漏了什么，还是有方法对照整个数据集来检查它？

Answer 1

F分数是数据集精确性和召回率的加权平均值.也就是说，你的预测中哪一部分是真实的，哪些是你预测的：score

我相信Sklearn的函数需要一个y_true和y_pred的标签数组或矩阵，其中y_true是“i-th元素的实际标签”，y_pred是“i-th元素的预测/分类标签”。每一项的顺序必须匹配！排序是允许Sklean计算F-得分的所有预测而不仅仅是一个单一的值。

例如，如果我使用分类器/模型对5个人进行预测，就会患上癌症：

y_pred = [True, False, True, False, False]

我发现只有第三个人得了癌症：

y_true = [False, False, True, False False]

查看Sklearn文档中的示例以获得更多信息：score.html