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,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)?,python,machine-learning,scikit-learn,classification,binary-data,Python,Machine Learning,Scikit Learn,Classification,Binary Data,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
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: