自己编写的f1_score和scikit-learn中的f1_score结果异同的疑问
来源：10-4 F1 Score
zxytxwdy
2018-09-13
老师，我对咱们自己编写的f1_score和scikit-learn中的f1_score结果异同存在疑问。那个0.97555555555555551的结果是不是逻辑回归得分的结果啊
from sklearn.linear_model import LogisticRegression
log_reg=LogisticRegression()
log_reg.fit(x_train,y_train)
log_reg.score(x_test,y_test)
咱们编的f1_score是需要计算出精准率和召回率再算吧，我计算的结果和scikit-learn中的f1_score结果一样，是我哪里理解的不对吗
写回答
1回答
-
liuyubobobo
2018-09-13
log_reg.score(x_test,y_test)得到的结果不是f1_score，而是准确度值：）
你的计算结果是正确的：）
这一章的核心思想就是想说明，对于有偏斜的数据，准确度这样的结果可能会表现的非常好。但实际上准确度不一定能够很好地反应模型的预测能力，此时，如果使用recall，precision，f1 score等指标，就会看出问题了。比如这里的例子，准确度有97.5%之高，但是f1 score只有86.7%：）
有时间可以再回顾一下，把握一下课程的脉络：）加油！
042019-03-14
相似问题