我正在使用Python和scikit-learn处理一个多类分类问题。目前，我使用classification_report函数来评估分类器的性能，得到的报告如下所示：

>>> print(classification_report(y_true, y_pred, target_names=target_names))             precision    recall  f1-score   support    class 0       0.50      1.00      0.67         1    class 1       0.00      0.00      0.00         1    class 2       1.00      0.67      0.80         3avg / total       0.70      0.60      0.61         5

为了进行进一步的分析，我对获取每个可用类的F1分数感兴趣。也许像这样：

>>> print(calculate_f1_score(y_true, y_pred, target_class='class 0'))0.67

scikit-learn中有类似的功能吗？

回答：

摘自f1_score的文档。

from sklearn.metrics import f1_scorey_true = [0, 1, 2, 0, 1, 2]y_pred = [0, 2, 1, 0, 0, 1]f1_score(y_true, y_pred, average=None)

输出结果如下：

array([ 0.8,  0. ,  0. ])

这是每个类的分数。