精度、召回和F1可以是相同的值吗？

Question

我目前正在处理一个ML分类问题，我正在使用sklearn库的以下导入和相应的代码计算精度、召回和sklearn。

from sklearn.metrics import precision_recall_fscore_support

print(precision_recall_fscore_support(y_test, prob_pos, average='weighted'))

结果

0.8806451612903226, 0.8806451612903226, 0.8806451612903226

对于ML分类问题，是否有可能获得所有3种类型的精度、召回和F1值？

对这方面的任何澄清将不胜感激。

Answer 1

是的，这是可能的。让我们假设二进制分类

​

​

Pr = Re = F1的简单解决方案是TP = 0。因此，我们知道精度，召回和F1可以有相同的值在一般情况下。现在，这不适用于您的特定结果。如果我们求解方程组，我们会找到另一个解：FP = FN。因此，如果假阳性的数量与假阴性的数目相同，那么这三个指标都有相同的值。

对于多类分类问题，我们有

​

​

如果是Pr = Re，同样，这三个指标都是相同的。

Answer 2

这似乎是因为期权-平均=‘加权’。

参考：support.html

“加权”：计算每个标签的度量标准，并根据支持(每个标签的真实实例数)找到它们的平均权重。这改变了“宏”来解释标签的不平衡；它可能导致一个不精确和回忆之间的F分数。