机器学习与深度学习 / 系统课时
使用 F1 值
使用 F1 值
学习目标
- 理解 F1 值为何使用调和平均
- 计算并解释 F1 值
- 识别 F1 值不能替代业务约束的情况
为什么不是普通平均
F1 值是精确率与召回率的调和平均,公式为 2 × P × R / (P + R)。调和平均会被较小的一项明显拉低,因此只有精确率和召回率都较高时,F1 才会高。
例如精确率为 1、召回率为 0.2,普通平均是 0.6,但 F1 只有约 0.333。这个结果更能反映模型虽然预测得“准”,却漏掉了大量正类。
计算 F1 值
python
from sklearn.metrics import precision_score, recall_score, f1_score
y_true = [1, 1, 1, 1, 0, 0, 0, 0]
y_pred = [1, 1, 0, 0, 1, 0, 0, 0]
precision = precision_score(y_true, y_pred)
recall = recall_score(y_true, y_pred)
f1 = f1_score(y_true, y_pred)
print(f"精确率: {precision:.3f}")
print(f"召回率: {recall:.3f}")
print(f"F1: {f1:.3f}")预期输出:
text
精确率: 0.667
召回率: 0.500
F1: 0.571F1 位于两个指标之间,但更接近较低的召回率。它能快速比较多个候选模型在精确率与召回率之间的综合表现。
多分类中的平均方式
多分类任务需要说明平均方式。macro 会先分别计算每个类别的 F1,再做等权平均,能够暴露少数类别表现差的问题;weighted 按各类别样本量加权,更接近整体数据分布,但可能被多数类主导;micro 汇总所有类别的 TP、FP 和 FN 后统一计算。
类别不平衡且希望每个类别都被重视时,优先查看 macro F1;需要反映线上真实样本占比时,可以同时报告 weighted F1。报告中必须写明平均方式,不能只写“F1=0.82”。
F1 的边界
F1 不使用 TN,因此在大量真反例很重要的业务中,它不能完整描述模型。F1 也默认精确率和召回率同等重要;若漏报成本明显高于误报,应使用 Fβ 值或直接设置召回率下限。
最终选择模型时,建议同时保留混淆矩阵、精确率、召回率和业务阈值。F1 更适合排序候选方案,而不是单独决定上线。
选择 F1 的判断标准
当任务需要同时控制误报与漏报、类别又不均衡时,F1 适合作为候选模型排序指标。若业务明确要求“召回率不得低于 95%”,应先筛掉不满足约束的方案,再在剩余方案中比较精确率或成本。这样能避免一个综合分数掩盖硬性要求。
按自己的节奏,确认真正理解。