天软金融分析.NET函数大全 > 金融函数 > 专题函数 > 机器学习 > 机器学习算法评价方法 > 分类算法评价指标

f1_score    

简述
调用fbeta_score时beta固定为1,适用于单标签和多标签分类
定义
f1_score(y_true:Array;y_pred:Array;labels:Array;pos_label:Integer;average:String;sample_weight:Array):real;
参数
名称类型说明
y_trueArray真实标签
y_predArray预测标签
averageString平均方法,可选array(nil,'micro', 'macro', 'weighted', 'samples','binary'),
'samples'只适用于多标签,默认是nil,即不做平均处理,
计算每一个标签的precision
labelsArray需要计算的标签,默认是y_true和y_pred出现的所有
pos_labelInteger正例标签,在单标签二分类是起作用,当数据是单标签二分类时,
并且average等于"binary"时有用,其他情况会被忽略
sample_weightArray样本权重,默认等权重
返回real实数,f1_score
相关