Python Scikit学习字符串列表的f1_分数

是否有任何方法可以将标签列表作为字符串计算f1_分数，而不考虑其顺序

f1_score(['a','b','c'],['a','c','b'],average='macro')

我希望它返回1而不是0.33333

---

我知道我可以矢量化标签，但在我的例子中，这种语法会容易得多，因为我处理许多标签

你需要的是多标签分类任务的f1\u分数，为此你需要一个二维矩阵，用于

y\u true

和

y\u pred

形状

[n\u样本，n\u标签]

您当前仅提供1-d阵列。因此，它将被视为一个多类问题，而不是多标签问题

提供了必要的详细信息

要正确评分，您需要将

y_-true

，

y_-pred

转换为指标矩阵：

y_true：1d类数组，或标签指示符数组/稀疏矩阵

y_pred：1d类数组，或标签指示符数组/稀疏矩阵

因此，您需要如下更改代码：

from sklearn.preprocessing import MultiLabelBinarizer
from sklearn.metrics import f1_score

y_true = [['a','b','c']]
y_pred = [['a','c','b']]

binarizer = MultiLabelBinarizer()

# This should be your original approach
#binarizer.fit(your actual true output consisting of all labels)

# In this case, I am considering only the given labels.
binarizer.fit(y_true)

f1_score(binarizer.transform(y_true), 
         binarizer.transform(y_pred), 
         average='macro')

Output:  1.0

您可以在此处查看MultilabelBinarizer的示例：