Python 不支持未知-f1分数

我想用32个预测的蒙版图像和32个真实的蒙版图像进行f1评分。我的数据具有以下特点：

predicted.shape [32,512,512]         

true.shape [32,512,512]

type_of_target(predicted) Unknown      

type_of_target(true) Unknown

type_of_target(predicted[0]) Continuous-multioutput   

type_of_target(true[0]) Continuous-multioutput

当我运行这一行时，f1_分数（true、predicted、average='macro'） 我得到这个错误：

f1_score(true, predicted, average='macro')
Traceback (most recent call last):

  File "<ipython-input-75-7198c91642b6>", line 1, in <module>
    f1_score(true, predicted, average='macro')

  File "C:\Anaconda3\lib\site-packages\sklearn\metrics\_classification.py", line 1099, in f1_score
    zero_division=zero_division)

  File "C:\Anaconda3\lib\site-packages\sklearn\metrics\_classification.py", line 1226, in fbeta_score
    zero_division=zero_division)

  File "C:\Anaconda3\lib\site-packages\sklearn\metrics\_classification.py", line 1484, in precision_recall_fscore_support
    pos_label)

  File "C:\Anaconda3\lib\site-packages\sklearn\metrics\_classification.py", line 1301, in _check_set_wise_labels
    y_type, y_true, y_pred = _check_targets(y_true, y_pred)

  File "C:\Anaconda3\lib\site-packages\sklearn\metrics\_classification.py", line 97, in _check_targets
    raise ValueError("{0} is not supported".format(y_type))

ValueError: unknown is not supported

f1_分数（真、预测、平均=”宏“）
回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
f1_分数（真实、预测、平均值=‘宏’）
文件“C:\Anaconda3\lib\site packages\sklearn\metrics\\ u classification.py”，第1099行，f1\ U分数
零除法=零除法）
文件“C:\Anaconda3\lib\site packages\sklearn\metrics\\ u classification.py”，第1226行，在fbeta\ U分数中
零除法=零除法）
文件“C:\Anaconda3\lib\site packages\sklearn\metrics\\u classification.py”，第1484行，在precision\u recall\u fscore\u支持中
pos_标签）
文件“C:\Anaconda3\lib\site packages\sklearn\metrics\\ u classification.py”，第1301行，在检查标签中
y_type，y_true，y_pred=_check_targets（y_true，y_pred）
文件“C:\Anaconda3\lib\site packages\sklearn\metrics\\ u classification.py”，第97行，在检查目标中
raise VALUERROR（“{0}不受支持”。格式（y_类型））
ValueError:不支持未知

我认为F1输入应该是1d数组（标签）。

---

确保这一点。

F1成绩是准确度和召回率的调和平均值。当预测值是分类输出而不是连续输出时，计算精度和召回率。您需要将预测转换为分类（通过向上舍入或向下舍入），然后展平数组，因为

f1\u score

函数仅将1D数组作为输入参数。

谢谢，您是正确的。f1分数中的输入必须是1d数组。所以我使用flatte（），现在我的预测值和真值是这个形状（8388608，），但是出现了错误“continuous is not supported”