scikit 加权 f1 分数计算和使用

Question

我有一个关于 sklearn.metrics 的 weighted 平均值的问题。f1_score

sklearn.metrics.f1_score(y_true, y_pred, labels=None, pos_label=1, average='weighted', sample_weight=None)

Calculate metrics for each label, and find their average, weighted by support (the number of true instances for each label). This alters ‘macro’ to account for label imbalance; it can result in an F-score that is not between precision and recall.

首先，如果有任何参考资料证明使用加权 F1 是合理的，我只是好奇在哪些情况下我应该使用加权 F1。

其次，我听说 weighted-F1 已被弃用，是真的吗？

第三，实际加权-F1是如何计算的，例如

{
    "0": {
        "TP": 2,
        "FP": 1,
        "FN": 0,
        "F1": 0.8
    },
    "1": {
        "TP": 0,
        "FP": 2,
        "FN": 2,
        "F1": -1
    },
    "2": {
        "TP": 1,
        "FP": 1,
        "FN": 2,
        "F1": 0.4
    }
}

如何计算上述例子的weighted-F1。我虽然应该是 (0.8*2/3 + 0.4*1/3)/3，但是我错了。

Answer 1

First, if there is any reference that justifies the usage of weighted-F1, I am just curios in which cases I should use weighted-F1.

我没有任何参考资料，但如果您对多标签分类感兴趣，您关心 precision/recall of all 类，那么加权的 f1-score 是合适的。如果你有二进制分类，你只关心正样本，那么它可能不合适。

Second, I heard that weighted-F1 is deprecated, is it true?

不，加权 F1 本身并没有被弃用。只有函数接口的某些方面被弃用，回到 v0.16，然后只是为了在以前模棱两可的情况下使其更加明确。（历史讨论 on github or check out the source code 并在页面中搜索 "deprecated" 以查找详细信息。）

Third, how actually weighted-F1 is being calculated?

来自 f1_score 的文档：

``'weighted'``:
  Calculate metrics for each label, and find their average, weighted
  by support (the number of true instances for each label). This
  alters 'macro' to account for label imbalance; it can result in an
  F-score that is not between precision and recall.

因此平均值由支持加权，这是具有给定标签的样本数。因为您上面的示例数据不包括支持，所以无法根据您列出的信息计算加权 f1 分数。

scikit 加权 f1 分数计算和使用

scikit weighted f1 score calculation and usage

nlp

machine-learning

scikit-learn

precision-recall