我正在进行一个二元分类任务。我的评估数据是不平衡的，大约20%来自class1，80%来自class2。尽管我在每个类别上的分类准确率都很好，class1上的准确率为0.602，class2上的准确率为0.792，但如果我计算class1的F1分数，由于误报数量较大，我得到的F1分数是0.46。如果我计算class2的F1分数，我得到的F1分数是0.84。
我的问题是，在处理不平衡数据的分类任务时，最佳的评估实践是什么？我可以取这些F1分数的平均值，还是应该选择其中一个？对于不平衡数据的分类任务评估，最佳的评估指标是什么？
顺便说一下，这是我的TP、TN、FN、FP的计数；
TP: 115
TN: 716
FN: 76
FP: 188
回答：
我不确定这是否是你所寻找的，但由于你要从中获取性能指标的数据是不平衡的，你可以尝试应用加权测量，例如加权F1分数。在scikit-learn中，F1分数有一个’weighted’选项，它会考虑每个标签的实例数量。这样你就可以得到一个平均的F1分数。
https://scikit-learn.org/stable/modules/generated/sklearn.metrics.f1_score.html
希望这对你有帮助！
