对于多分类任务,n个类别可以得到n个 2X2 的混淆矩阵,也可以直接使用 1个 nXn的混淆矩阵表示。为了得到n个 2X2 的混淆矩阵,可以将使用OvR的思想,例如有,A,B,C类,对于A类来说可以将三类变为两类, A类和其他类从而得到一个 2X2的混淆矩阵,对于B,C类执行同样操作 ,便可以得到B,C类对应的 2X2 的混淆矩阵。经过上述操作总共得到 3 个 2X2 的混淆矩阵,这样便可以使用上面的公式计算 宏F1,微F1了。
也可以直接使用一个 n X n 的混淆矩阵, 对于A,B,C类来说,是一个 3X3的混淆矩阵。
from sklearn.metrics import precision_score
from sklearn.metrics import recall_score
from sklearn.metrics import f1_score
y_test = [1,2,3,4,5,6,1,3,4]
y_true = [2,3,3,4,4,6,1,3,4]
print(precision_score(y_test,y_true,average='micro'))
print(recall_score(y_test,y_true,average='micro'))
print(f1_score(y_test,y_true,average='micro'))
print("-----------------------------")
print(precision_score(y_test,y_true,average='macro'))
print(recall_score(y_test,y_true,average='macro'))
print(f1_score(y_test,y_true,average='macro'))
0.6666666666666666
0.6666666666666666
0.6666666666666666
-----------------------------
0.5555555555555555
0.5833333333333334
0.5444444444444444