我目前正在研究 ML 分类问题，并使用 sklearn 库的以下导入和相应代码来计算精度、召回率和 F1，如下所示。
from sklearn.metrics import precision_recall_fscore_support
print(precision_recall_fscore_support(y_test, prob_pos, average='weighted'))
结果
0.8806451612903226, 0.8806451612903226, 0.8806451612903226
机器学习分类问题的精确率、召回率和 F1 这三项是否有可能获得相同的值？
对于这方面的任何澄清，我们将不胜感激。
最佳答案
是的，这是可能的。让我们假设二元分类为
Pr = Re = F1 的简单解是 TP = 0。所以我们知道精度、召回率和 F1 一般来说可以具有相同的值。现在，这不适用于您的具体结果。如果我们求解方程组，我们会找到另一个解:FP = FN。因此，如果误报数量与漏报数量相同，则所有三个指标都具有相同的值。
对于多类分类问题，我们有
如果Pr = Re，则所有三个指标都是相同的。
关于machine-learning - Precision、Recall 和 F1 可以是相同的值吗？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/54068401/