精度，召回率和F1可以相同吗？

Question

我目前正在处理ML分类问题，并且正在使用sklearn库的以下导入和相应代码来计算Precision，Recall和F1，如下所示。

from sklearn.metrics import precision_recall_fscore_support

print(precision_recall_fscore_support(y_test, prob_pos, average='weighted'))

结果

0.8806451612903226, 0.8806451612903226, 0.8806451612903226

是否有可能针对ML分类问题的所有3个参数（精度，召回率和F1）获得相同的值？

在这方面的任何澄清将不胜感激。

Answer 1

是的，这是可能的。假设使用

进行二进制分类

对Pr = Re = F1的简单解决方案是TP = 0。因此，我们知道精度，召回率和F1通常可以具有相同的值。现在，这不适用于您的特定结果。如果我们求解方程组，则会找到另一个解决方案：FP = FN。因此，如果误报的数量与误报的数量相同，则所有三个指标的值都相同。

对于多类分类问题，我们有

如果Pr = Re，则所有三个指标都相同。

Answer 2

这似乎是由于选项-average ='weighted'

引用：https://scikit-learn.org/stable/modules/generated/sklearn.metrics.precision_recall_fscore_support.html

  

“加权”：   计算每个标签的指标，并找到其平均支持权重（每个标签的真实实例数）。这会更改“宏”以解决标签不平衡的问题；可能会导致F得分不在精确度和召回率之间。