宏观在scikit-learn中取平均值

Question

我正在执行二进制分类，我手动计算宏的平均值，例如如下所示：

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

其中FPR和FNR的计算方法如下：

FPR= FP/float(FP+TN)
FNR= FN/float(FN+TP)

我正在接受（0.184484722594 ）但是，当我使用scikit-learn函数时，我得到了不同的结果..（0.885836909871）：

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

在我的情况下它们不一样吗？

Answer 1

使用以下公式计算每个类的精确度和召回率：

load

然后将他们的宏观平均值设为：

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

然后最终使用F1的公式：

AveragePrecision = (Precison_classA + Precission_classB)/ 2
AverageRecall = (Recall_classA + Recall_classB)/ 2

Answer 2

F1得分的formula是

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

精确pr = tp / (fp + tp)并回忆re = tp / (tp + fn)

你计算的macro_averaged是完全不同的东西。

Answer 3

F1分数的定义（使用类型1，类型2错误）是

计算时

（请注意，TN甚至没有出现在f1分数的等式中）