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: 0.571

F1 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。

目录与阅读设置

阅读设置

17

记录一个想法

使用 F1 值

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通