正如这篇文章中所解释的，计算F-1得分（即计算召回率和精确度）时，基于正类还是负类进行计算是非常重要的。例如，如果我有一个偏斜的数据集，其中1%的标签属于类别A，99%的标签属于类别B，并且我只是将A指定为正类并将所有测试项目分类为正类，我的F-1得分将会非常好。我如何告诉scikit-learn在二元分类中哪个类别是正类？（如果有帮助，我可以提供代码。）

回答：

对于二元分类，sklearn.metrics.f1_score默认会假设1是正类，0是负类。如果你使用这些惯例（0代表类别B，1代表类别A），它应该会给你想要的行为。你可以通过向f1_score函数传递pos_label关键字参数来覆盖这种行为。

参见：http://scikit-learn.org/stable/modules/generated/sklearn.metrics.f1_score.html