回答情况：
提问时间：
问题标签：
我正在尝试分析我的结果，所以我在sklearn上使用了F1评分指标和分类报告。显示的结果与平均类型无关，完全不同。它一点也不匹配。我的验证数据示例 F1分数0.7666666666666667 但是分类报告的结果是： report precision recall f1-score support我的代码是：`print(‘微分数平均(Y_pred)，F1=’np.round‘)’)‘ 对于分类报告，它是： ` print('F1 score {}
浏览 61修改于2020-01-17得票数 2
2回答
我的老板告诉我为这个模型计算F1评分，我发现这个公式是((precision * recall)/(precision + recall))，但我不知道我是如何得到精确和回忆的。
浏览 3修改于2021-06-13得票数 6
回答已采纳
1回答
我想使用sklearn的几个评估分数(NMI，ARI，F1)，使用一些合成数据来评估一种聚类方法。虽然NMI和ARI工作得很好，但在标签被交换的地方，我确实遇到了关于F1分数的问题，例如，真实标签是[0, 0, 0, 1, 1, 1]，而预测标签是[1, 1, 1, 0, 0, 0]。F1分数似乎无法处理此问题，因为我的代码生成的F1分数为0.0。
浏览 17提问于2019-10-26得票数 0
回答已采纳
我知道f1分数，它使用精确度和召回率。但是，mean f1 score中的“mean”是什么？当我们使用它的时候，如何计算“均值”？编辑以明确解释我的问题:我知道f1分数是准确率和召回率的调和平均值。并且在计算f1得分时，需要多个分类结果来计算准确率和召回率。然后我们把它放到列联表中，这样我们就可以计算f1分数了。
现在，这是我与“平均”f1分数混淆的点。我们从列联表中计算f1得分，但是什么是“均值
浏览 19修改于2017-08-12得票数 1
回答已采纳
F1评分是衡量两个数据集之间关系的一种方法。
我有一个文件，其中包含1000+预测的结果，每个值要么为0，要么为1。是否有一种更快、更容易获得这些列的F1分数的方法，或者更好的F1评分--微观和宏？
浏览 15修改于2022-03-05得票数 1
回答已采纳
目前，我的问题是，无论我做什么，precision_recall_fscore_support方法从scikit-学习产生完全相同的结果，为精确，回忆和分数。为什么会这样呢？
浏览 2提问于2017-01-12得票数 3
我有一套10个实验，计算精度，回忆和F1评分为每个实验。现在，平均查准率和平均召回率很容易计算。我对F1的平均分数有些困惑。关于如何计算平均F1分数，有两种方法：取平均精度和平均召回率，然后使用公式f1 = 2*p*r/(p+r)计算f1分数。
浏览 0修改于2017-01-12得票数 8
回答已采纳
我想要获得每个类(我有4个类)和每个交叉验证折叠的F1分数。clf是我训练的模型，X_test是测试集的特征，y_test是测试集的标签。因为我做的是5折交叉验证，所以我应该在第一折中为每个班级获得4分的F1分数，在第二折中获得4分。总共20个。我能用python简单地做到这一点吗？下面这行代码将给出所有类的平均F1，每个折叠层只有5个值。我检查了cross_val_score ()中变量scoring的选项，似乎无法获得每个文件夹中每个类的F1分数(或者我可能在某个地
浏览 23提问于2020-05-07得票数 0
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。这个f1分数是如何计算的？
浏览 3提问于2020-03-04得票数 1
回答已采纳
我目前正在运行GridSearchCV来查找f1分数的最佳超参数。from sklearn.metrics import f1_score, make_scorer
}
knn_cv = GridSearchCV(knn,grid,cv=3, verbose = 3, scoring= f1Train Score:",
浏览 40修改于2021-02-12得票数 0
回答已采纳
1回答
1.00 0.98 0.99 125000
Class 1 0.33 0.84 0.47 1500 大家好， 在这个模型中，f1分数对预测1类不是很好，1类是少数类。
浏览 50提问于2021-01-04得票数 0
回答已采纳
我从Huggingface构建了一个BERT模型(基于Bert-基-多语种)，并希望用它的精确性、召回和F1评分来评估该模型，因为准确性并不总是最佳的评估标准。{'loss': 0.6535539627075195, 'accuracy': 0.6108108162879944}
有了这个，我就得到了精确的分数
浏览 18提问于2022-01-05得票数 1
我想在我的多类分类问题上添加F1分数。我在内置指标列表中找不到F1。F1是否在tensor2tensor中的某处，或者我必须重写eval_metrics()并使用我的代码或从TensorFlow获取它？
浏览 6提问于2019-04-25得票数 0
我正在尝试在PyTorch中实现宏度量分数(F- F1 )，而不是使用已经广泛使用的<code>C0</code>来直接在图形处理器上计算度量。据我所知，为了计算宏F1分数，我需要计算所有标签的灵敏度和精度的F1分数，然后取所有这些的平均值。在训练时，我计算每一批的度量，并将所有度量的平均值作为最终分数。问题是，当我将我的自定义F1分数与sklearn的宏观F1分数<
浏览 161修改于2020-06-10得票数 1
回答已采纳
1回答
我想弄清楚为什么F1的分数是sklearn的分数。据我所知，其计算方法是：我的代码：
from sklearn.metrics import f1
浏览 2修改于2016-12-22得票数 2
回答已采纳
对于一个简单的二进制分类问题，我想找出什么阈值设置可以最大化f1分数，这是精度和召回率的调和平均值。在scikit learn中有没有内置的工具可以做到这一点？recall, thresholds = precision_recall_curve(y_test, y_test_predicted_probas)curr_f1 = compute_f1(precision[index], recall[index])
有没有更好的方法来做这件事，或者这就是这个库
浏览 0修改于2019-07-16得票数 7
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号