Python sklearn.metrics中结果精度和召回率的F1分数错误

我使用sklearn.metrics.precision\u recall\u fscore\u support（）在测试集上输出分类器的评估。我使用average='macro'。 函数的结果是

精度=0.153，召回率=0.144，f1=0.122

正如我们所看到的，f1的分数在精确度和召回率方面是错误的（如果我没有弄错的话）。如果我们采用f1=2*p*r/（p+r）的公式，f1的分数应该是0.148左右

---

有人知道我是否错了，或者为什么函数会输出那个分数吗？

你能提供一些生成那个输出的代码吗？p，r，f1s\u test，s=metrics.precision\u recall\u fscore\u support（y\u pred=YP，y\u true=YT，average='macro'，warn\u for=tuple（）），其中YP和YT是长度相同的整数列表。编辑：输出只是一个带“%.3f”的格式化字符串，您能提供一些生成该输出的代码吗？p，r，f1s\u test，s=metrics.precision\u recall\u fscore\u支持（y\u pred=YP，y\u true=YT，average='macro'，warn\u for=tuple（）），其中YP和YT是长度相同的整数列表。编辑：输出只是一个带“%.3f”的格式化字符串