如何告诉 scikit-learn 给出了 F-1/precision/recall 分数的标签（在二进制分类中）？
How to tell scikit-learn for which label the F-1/precision/recall score is given (in binary classification)?
如 this article 中所述，对于计算 F-1 分数（即计算召回率和精确率）而言，这些计算是基于正面还是负面 class 很重要。例如，如果我有一个偏斜的数据集，其中 1% 的标签属于 A 类标签，99% 的标签属于 B 类标签，而我只是将 A 分配为阳性类别，并且 class 将所有测试项目确认为阳性，我的 F-1 分数会很好。我如何告诉 scikit-learn 哪个类别是二进制 classification 中的正类别？ （如果有帮助，我可以提供代码。）
对于二进制class化，sklearn.metrics.f1_score默认会假设1是正数class，0是负数class。如果您使用这些约定（0 用于类别 B，1 用于类别 A），它应该会为您提供所需的行为。可以通过将 pos_label 关键字参数传递给 f1_score 函数来覆盖此行为。
参见：http://scikit-learn.org/stable/modules/generated/sklearn.metrics.f1_score.html
如 this article 中所述，对于计算 F-1 分数（即计算召回率和精确率）而言，这些计算是基于正面还是负面 class 很重要。例如，如果我有一个偏斜的数据集，其中 1% 的标签属于 A 类标签，99% 的标签属于 B 类标签，而我只是将 A 分配为阳性类别，并且 class 将所有测试项目确认为阳性，我的 F-1 分数会很好。我如何告诉 scikit-learn 哪个类别是二进制 classification 中的正类别？ （如果有帮助，我可以提供代码。）
对于二进制class化，sklearn.metrics.f1_score默认会假设1是正数class，0是负数class。如果您使用这些约定（0 用于类别 B，1 用于类别 A），它应该会为您提供所需的行为。可以通过将 pos_label 关键字参数传递给 f1_score 函数来覆盖此行为。
参见：http://scikit-learn.org/stable/modules/generated/sklearn.metrics.f1_score.html