我有一个问题

我使用sklearn编写了下面的代码

self.model = SVM.OneClassSVM(gamma='scale', kernel='rbf').fit(training_set)classification_report(self.ground_truth_label, self.predicted_results, target_names=target_names)

然而，下面的图片显示F1分数（宏观）并不位于精确率和召回率之间

我知道f1 = (2 * 精确率 * 召回率) / (精确率 + 召回率)

为什么…？

感谢您的解释！

回答：

classification_report给出的宏观平均f1-score是您数据集中两个类别的f1分数的非加权平均，即

(0.12 + 0.67) / 2 ≈ 0.40

它并不是您可能认为的，使用精确率和召回率的宏观平均计算出的f1分数。

换句话说：

它是所有f1-scores的平均值

而

它不是（精确率和召回率）平均值的f1-score