scikitlearn中的宏平均值

Question

我正在执行二进制分类，并手动计算宏平均值，例如如下所示：

macro_averaged= (FPR+FNR)*float(0.5)

其中FPR和FNR计算如下：

^{pr2}$

我得到（0.184484722594 )但是，我得到了不同的结果。。当我使用scikit学习函数时，它是（0.885836909871）：

print f1_score(y_test, y_pred, average='binary')

我的案子不应该是一样的吗？在

Answer 1

F1分数的定义（使用类型1，类型2错误）是

当你计算的时候

（注意TN甚至没有出现在f1分数的方程式中）

Answer 2

F1分数的formula是

F1 = 2 * (pr * re) / (pr + re)

精确pr = tp / (fp + tp)和召回{}

你计算的macro_averaged是完全不同的。在

Answer 3

使用以下公式计算每个类的精确度和召回率：

Precison = tp / (fp + tp)
Recall = tp / (tp + fn)

然后取其宏观平均值为：

^{pr2}$

最后用公式计算F1：

F1 = 2 * (AveragePrecision * AverageRecall) / (AveragePrecision + AverageRecall)