我正在进行多类别分类，类别分布不均衡。
我注意到F1值总是小于精确率和召回率的直接调和平均值，在某些情况下，F1值甚至小于精确率和召回率。
供参考，我使用metrics.precision_score(y,pred)来计算精确率等指标。
我了解微平均和宏平均的区别，并通过precision_recall_fscore_support()的类别结果测试确认这不是微平均的结果。
不确定这是因为使用了宏平均还是其他原因导致的？
以下是更新后的详细结果：
样本数：75，特征数：250
MultinomialNB(alpha=0.01, fit_prior=True)
2折交叉验证：
第一次运行：
F1: 0.706029106029Precision: 0.731531531532Recall: 0.702702702703 precision recall f1-score support 0 0.44 0.67 0.53 6 1 0.80 0.50 0.62 8 2 0.78 0.78 0.78 23avg / total 0.73 0.70 0.71 37第二次运行：
F1: 0.787944219523Precision: 0.841165413534Recall: 0.815789473684 precision recall f1-score support 0 1.00 0.29 0.44 7 1 0.75 0.86 0.80 7 2 0.82 0.96 0.88 24avg / total 0.84 0.82 0.79 38总体情况：
总体F1分数: 0.74699 (+/- 0.02)总体精确率: 0.78635 (+/- 0.03)总体召回率: 0.75925 (+/- 0.03)关于微平均/宏平均的定义来自Scholarpedia：
在多标签分类中，计算跨类别聚合得分的最简单方法是平均所有二元任务的得分。由此产生的得分称为宏平均召回率、精确率、F1等。另一种平均方法是首先对所有类别的TP、FP、TN、FN和N进行求和，然后计算上述每个指标。由此产生的得分称为微平均。宏平均赋予每个类别相同的权重，通常由系统在类似幂律分布的稀有类别（多数）上的表现所主导。微平均赋予每个文档相同的权重，通常由系统在最常见类别上的表现所主导。
这是一个当前在Github上的开放问题，编号为#83。
以下示例展示了微平均、宏平均和加权平均（Scikit-learn当前使用的）可能的差异：
y = [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2]pred = [0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 0, 0, 0, 1, 1, 1, 1, 1, 2, 0, 1, 2, 2, 2, 2]混淆矩阵：
[[9 3 0] [3 5 1] [1 1 4]]Wei Pre: 0.670655270655Wei Rec: 0.666666666667Wei F1 : 0.666801346801Wei F5 : 0.668625356125Mic Pre: 0.666666666667Mic Rec: 0.666666666667Mic F1 : 0.666666666667Mic F5 : 0.666666666667Mac Pre: 0.682621082621Mac Rec: 0.657407407407Mac F1 : 0.669777037588Mac F5 : 0.677424801371上面的F5是F0.5的简写…
回答：
请更新您的问题，添加以下输出的结果：
>>> from sklearn.metrics import classification_report>>> print classification_report(y_true, y_predicted)这将显示每个类别的精确率和召回率以及支持度，从而帮助我们理解平均方法的运作方式，并决定这是否是适当的行为。
