Python 2.7 宏微观

我有一个二元分类问题，由于数据不平衡，我试图计算宏观/微观F1。。我认为这可以使用Sickitlearn完成，但在检查文档后，似乎当分类为二进制时，计算将仅针对正类。。正因为如此，我试图自己计算。 首先，我使用以下函数计算TP、TN、FP、FN：

def calculate(y_actual, y_pred):
    TP = 0
    FP = 0
    TN = 0
    FN = 0

    for i in range(len(y_pred)): 
        if y_actual[i]==y_pred[i]==1:    # true positive
           TP += 1
    for i in range(len(y_pred)): 
        if y_actual[i]==1 and y_pred[i]==0:   
           FN += 1
    for i in range(len(y_pred)): 
        if y_actual[i]==y_pred[i]==0:    # true negative
           TN += 1
    for i in range(len(y_pred)): 
        if y_actual[i]==0 and y_pred[i]==1:
           FP += 1

    return(TP, FP, TN, FN)

因此，为了计算微观/宏观F1，我需要分别计算每个类的精度和召回率（我不知道如何计算！），然后，作为一个例子，F1宏观可以如下计算（如果我理解正确）：

可以找到宏微观计算的参考

那么，在给定上述函数（计算）的情况下，是否有方法分别计算每个类的这些度量（TP/TN/FP/FN&精度和召回率）？

---

感谢您的帮助。

您确实可以使用scikit学习程序。如果要对二进制问题使用指定的平均值，请设置

pos\u label=None

。然而，这些措施并不是特别有用。二元或多类问题的微平均F1与普通的旧精度相同。对于二进制问题，宏平均召回（也称为平衡精度）比宏平均F1更受欢迎，也更有用

F1 for class one: 2(precision*recall)/(precision+recall)
F1 for class two: 2(precision*recall)/(precision+recall)
F1 Macro = (F1 for class one + F1 for class two)/2