F1分数度量和分类报告的F1分数值不同

Question

我试图分析我的结果，所以我在sklearn上使用F1分数指标和分类报告。显示的结果与平均类型完全不同。 一点也不匹配。 关于我的验证数据的示例

F1成绩0.766667

但分类报告的结果是：

  report       precision recall  f1-score   support
       0       0.16      0.57      0.25         7
       1       0.40      0.09      0.14        23
accuracy                           0.20        30



macro avg      precision: 0.28, recall:0.33,  f1score:0.20      support:30

weighted avg       precision:0.34      recall:0.20      f1score:0.17        support:30

任何帮助都将不胜感激。 谢谢

我的代码是： `打印（'F1分数{}'。格式（sklearn.metrics.F1分数（测试标签，np.round（y\u pred），average='micro'））

对于分类报告，它是：

'print（'F1 score{}'。格式（sklearn.metrics.classification_报告（test_标签，np.round（y_pred），target_names=labels））'

标签只是一个包含我的类标签的列表

Answer 1

当您计算f1分数时，您要求scikit计算平均值='micro'，但分类报告计算宏观和加权平均值

试试print('F1 score {}'.format(sklearn.metrics.f1_score(test_label, np.round(y_pred), average='macro'))