Machine learning F1成绩不是精确性和召回率的调和平均值的原因是什么

[！[在此处输入图像描述][1][1]F1成绩不是精确性和召回率的调和平均值，且多等级的宏观平均值加权相等，这是什么原因？我的数据集不平衡，预测有偏差。

A计算每个标签的指标并找到它们的未加权平均值。这意味着它不考虑类的不平衡性，而a计算每个标签的度量，并根据每个标签的实例数找到它们的平均权重。因此，它解释了班级不平衡，并且分数不在精确性和回忆性之间

有关加权F1的示例，请参考此答案。

A计算每个标签的指标并找到其未加权平均值。这意味着它不考虑类的不平衡性，而a计算每个标签的度量，并根据每个标签的实例数找到它们的平均权重。因此，它解释了班级不平衡，并且分数不在精确性和回忆性之间

---

有关加权F1的示例，请参考此答案。

不是一个编程问题，因此可以说是离题的；更适合。不是一个编程问题，因此可以说是离题的；更适合于。