Python 如何告知scikit了解给出F-1/精度/召回分数的标签（二进制分类）？

如中所述，计算F-1分数（即计算召回率和准确度）时，重要的是这些计算是否基于正类或负类。例如，如果我有一个歪斜的数据集，其中1%的标签属于a类，99%的标签属于B类，我只是将a分配给阳性类别，并将所有测试项目分类为阳性，那么我的F-1分数将非常好。我如何告诉scikit了解在二元分类中哪个类别是正类别？（如果有帮助，我可以提供代码。）

对于二进制分类，

sklearn.metrics.f1_score

默认情况下会假设1为正类，0为负类。如果您使用这些约定（

0

用于类别B，而

1

用于类别A），它应该会为您提供所需的行为。通过将

pos\u label

关键字参数传递给

f1\u score

函数，可以覆盖此行为

---

请参阅：

也感谢您的回答。但是，是否有官方文件中的任何参考？阅读手册页面，

pos\u label

默认为1作为阳性类别，但它可以被覆盖。相关：