我有一个多类别、单标签的分类器，它会将一些样本预测为"-1"，这意味着它对样本的标记不够自信。我希望使用sklearn.metrics.precision_recall_fscore_support来计算模型的指标，但无法阻止"-1"分类被视为误报。

我能想到的唯一方法是按类别计算指标，然后对指标进行加权平均，排除"-1"类别（即在precision_recall_fscore_support中使用micro选项，同时排除"-1"误报）。

在sklearn中是否有标准化的方法可以做到这一点，而不需要自己计算平均值？

回答：

我认为我已经解决了这个问题。precision_recall_fscore_support的labels参数允许您指定想要使用的标签。因此，通过使用labels=list(set(y_true).union(set(y_pred)).difference(set(["-1"])))

我能够获得预期的行为。