f1 score 代码_机器学习中的F1-score

一、什么是F1-score

F1分数(F1-score)是分类问题的一个衡量指标。一些多分类问题的机器学习竞赛，常常将F1-score作为最终测评的方法。它是精确率和召回率的调和平均数，最大为1，最小为0。

此外还有F2分数和F0.5分数。F1分数认为召回率和精确率同等重要，F2分数认为召回率的重要程度是精确率的2倍，而F0.5分数认为召回率的重要程度是精确率的一半。计算公式为：

G分数是另一种统一精确率和的召回率系统性能评估标准，G分数被定义为召回率和精确率的几何平均数。

二、计算过程

1.首先定义以下几个概念：

TP(True Positive)：预测答案正确

FP(False Positive)：错将其他类预测为本类

FN(False Negative)：本类标签预测为其他类标

2. 通过第一步的统计值计算每个类别下的precision和recall

精准度(precision)：指被分类器判定正例中的正样本的比重

召回率(recall)：指的是被预测为正例的占总的正例的比重

另外，介绍一下常用的准确率(accuracy)的概念，代表分类器对整个样本判断正确的比重。