debugmyworld

sklearn中 F1-micro 与 F1-macro区别和计算原理最近在使用sklearn做分类时候，用到metrics中的评价函数，其中有一个非常重要的评价函数是F1值，（关于这个值的原理自行google或者百度） 在sklearn中的计算F1的函数为 f1_score ，其中有一个参数average用来控制F1的计算方式，今天我们就说说当参数取micro和macro时候的区别1、F1公式描述:F1-score: 2*(P*R)/(P+R) 准确率（P）：

今天跟py处理了个文件，唉，记录一下，好多方法都不熟，还都得百度拿到这样的数据，要求从1对多变成1对1的格式首先按行读数据，碰到带-的就跳过，把其他的数据存到List里存到里面都是一个个字符串想到按 \t 切割 分别拿到头部和剩余的那些遍历，分别把两部分对应存在各自的列表里，实现1对1用dataframe表格打开来看看，发现每个字符串开始的时候 “没去掉，末尾的”\n也没去掉，想了半天，本来想从读数据的时候下手，但不咋会，所以还是处理一下这里的repl

需求分析需要从多个网址，爬一些指定需要的数据构造网址集合打开页面布局找到指定数据的xpath路径发现要爬的网址只有id不一样，每次替换即可，加入到list里保存一下逻辑处理写好逻辑，简单的筛选，得到需要数据，过程有点慢，学校发的电脑就16G，小卡，其中有个小坑，复制好的xpath，再table[4]后有个tbody，把这个删了才能拿到数据，不然获取的是空[ ]参考文章 https://blog.csdn.net/IT_XF/article/details/82184585