Scikit-Learn 中的 Micro F1 分数 Class 失衡

Question

我有一些 class 不平衡和一个简单的基线 class 分配器将大多数 class 分配给每个样本：

from sklearn.metrics import precision_score, recall_score, confusion_matrix

y_true = [0,0,0,1]
y_pred = [0,0,0,0]
confusion_matrix(y_true, y_pred)

这会产生

[[3, 0],

[1, 0]]

这意味着 TP=3，FP=1，FN=0。

到目前为止，还不错。现在我想计算精确率和召回率的微观平均值。

precision_score(y_true, y_pred, average='micro') # yields 0.75
recall_score(y_true, y_pred, average='micro') # yields 0.75

我对精度没问题，但为什么召回率不是 1.0？假设 FP > 0 且 FN == 0，在这个例子中它们怎么可能相同？我知道这一定与微平均有关，但我无法理解这个。

Answer 1

是的，这是因为微平均。查看 documentation here 了解其计算方式：

Note that if all labels are included, “micro”-averaging in a multiclass setting will produce precision, recall and f-score that are all identical to accuracy.

正如您在上面的链接页面中看到的，精度和召回率都定义为：

其中 R(y, y-hat) 是：

因此在您的情况下，Recall-micro 将计算为

R = number of correct predictions / total predictions = 3/4 = 0.75

Scikit-Learn 中的 Micro F1 分数 Class 失衡

Micro F1 score in Scikit-Learn with Class imbalance

scikit-learn

precision-recall