python - F1小于Scikit学习中的精度和召回率

我正在使用不平衡类别的多类别分类。

我注意到f1始终小于精度和召回率的直接谐波均值，在某些情况下，f1甚至小于精度和召回率。

仅供引用，我称metrics.precision_score(y,pred)为精度等等。

我知道微观/宏观平均值的差异，并通过使用precision_recall_fscore_support()的类别结果测试了它们不是微观的。

不确定是否由于使用了宏平均或其他一些原因？

更新的详细结果如下:

n_samples:75，n_features:250

多项式NB(alpha = 0.01，fit_prior = True)

2折简历:

第一次运行:

F1:        0.706029106029
Precision: 0.731531531532
Recall:    0.702702702703

         precision    recall  f1-score   support

      0       0.44      0.67      0.53         6
      1       0.80      0.50      0.62         8
      2       0.78      0.78      0.78        23

avg / total       0.73      0.70      0.71        37

第二次运行:

F1:        0.787944219523
Precision: 0.841165413534
Recall:    0.815789473684

         precision    recall  f1-score   support

      0       1.00      0.29      0.44         7
      1       0.75      0.86      0.80         7
      2       0.82      0.96      0.88        24

avg / total       0.84      0.82      0.79        38

全面的:

Overall f1-score:   0.74699 (+/- 0.02)
Overall precision:  0.78635 (+/- 0.03)
Overall recall:     0.75925 (+/- 0.03)

来自Scholarpedia的微观/宏观平均的定义:



这是目前在Github中的open issue，＃83。

下面的示例演示了Micro，Macro和加权(Scikit-learn中的当前)平均可能如何不同:

y    = [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2]
pred = [0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 0, 0, 0, 1, 1, 1, 1, 1, 2, 0, 1, 2, 2, 2, 2]

混淆矩阵:

[[9 3 0]
 [3 5 1]
 [1 1 4]]

Wei Pre: 0.670655270655
Wei Rec: 0.666666666667
Wei F1 : 0.666801346801
Wei F5 : 0.668625356125

Mic Pre: 0.666666666667
Mic Rec: 0.666666666667
Mic F1 : 0.666666666667
Mic F5 : 0.666666666667

Mac Pre: 0.682621082621
Mac Rec: 0.657407407407
Mac F1 : 0.669777037588
Mac F5 : 0.677424801371

上面的F5是F0.5的简写...

最佳答案

您能否使用以下输出更新您的问题:

>>> from sklearn.metrics import classification_report
>>> print classification_report(y_true, y_predicted)

这将显示每个单独类别的精确度和召回率以及支持，从而帮助我们理解平均值的工作原理，并确定这是否是适当的行为。