Python实战：用sklearn快速计算F1分数（附完整代码与避坑指南）
Python实战：用sklearn快速计算F1分数（附完整代码与避坑指南）
在机器学习项目的评估阶段，我们常常需要超越简单的准确率指标，寻找更全面的模型性能衡量标准。F1分数作为查准率（Precision）和查全率（Recall）的调和平均，能够有效平衡这两项关键指标，特别适用于类别分布不均衡的数据集。本文将带你快速掌握sklearn中F1分数的计算技巧，解决实际工程中的常见问题。
1. 核心概念快速回顾
在深入代码实现之前，让我们先快速梳理几个关键概念：
查准率（Precision）：模型预测为正类的样本中，真正为正类的比例。高查准率意味着模型"宁可错过，不可错判"。
查全率（Recall）：实际为正类的样本中，被模型正确识别的比例。高查全率意味着模型"宁可错判，不可错过"。
F1分数：查准率和查全率的调和平均数，计算公式为：
F1 = 2 * (Precision * Recall) / (Precision + Recall)
为什么调和平均数比算术平均数更适合？因为当查准率或查全率中有一个值较低时，调和平均数会明显偏向较小的那个值，这能更好地反映模型的真实性能。
2. 基础F1分数计算
使用sklearn计算F1分数非常简单，下面是一个完整的示例：
from sklearn.metrics import f1_score import numpy as np # 真实标签和预测标签 y_true = np.array([0, 1, 1, 0, 1, 0]) y_pred = np.array([0, 1, 0, 0, 1, 1]) # 计算F1分数 score = f1_score(y_true, y_pred) print(f"F1分数: {score:.4f}")注意：默认情况下，f1_score假设标签1是正类。如果你的正类标签不同，需要使用pos_label参数指定。
常见问题及解决方案：
- 形状不匹配错误：确保y_true和y_pred的长度相同
- 未定义分数：当预测结果中没有正类样本时，F1分数无法计算
- 多分类问题：需要指定average参数（后面会详细讲解）
3. 多分类场景处理
处理多分类问题时，F1分数的计算方式有多种选择。sklearn提供了几种平均策略：
| 平均方式 | 计算方式 | 适用场景 |
|---|---|---|
| 'micro' | 全局统计TP/FP/FN | 类别不平衡但同等重要 |
| 'macro' | 各类别F1的算术平均 | 各类别同等重要 |
| 'weighted' | 按样本数加权的平均 | 考虑类别不平衡 |
| None | 返回各类别的F1 | 需要各类别单独分析 |
from sklearn.metrics import f1_score # 多分类示例 y_true = [0, 1, 2, 0, 1, 2] y_pred = [0, 2, 1, 0, 0, 1] # 不同平均方式比较 print("Micro F1:", f1_score(y_true, y_pred, average='micro')) print("Macro F1:", f1_score(y_true, y_pred, average='macro')) print("Weighted F1:", f1_score(y_true, y_pred, average='weighted')) print("Per-class F1:", f1_score(y_true, y_pred, average=None))实际项目中，我通常先计算各类别的F1分数（average=None），再根据业务需求选择合适的平均方式。例如在医疗诊断中，某些疾病的检测可能比其他疾病更重要。
4. 工程实践中的常见问题
4.1 样本不均衡问题
当数据集存在严重类别不平衡时，F1分数可能产生误导。解决方案：
- 使用class_weight参数调整模型
- 采用分层抽样
- 结合其他指标（如ROC-AUC）综合评估
from sklearn.linear_model import LogisticRegression from sklearn.model_selection import train_test_split # 假设X和y已经定义 X_train, X_test, y_train, y_test = train_test_split(X, y, stratify=y) # 使用类别权重 model = LogisticRegression(class_weight='balanced') model.fit(X_train, y_train)4.2 阈值调整技巧
默认情况下，分类器使用0.5作为决策阈值。但有时调整阈值可以优化F1分数：
from sklearn.metrics import precision_recall_curve # 获取预测概率 y_scores = model.predict_proba(X_test)[:, 1] # 计算不同阈值下的指标 precisions, recalls, thresholds = precision_recall_curve(y_test, y_scores) # 寻找最佳F1阈值 f1_scores = 2 * (precisions * recalls) / (precisions + recalls) best_idx = np.argmax(f1_scores) optimal_threshold = thresholds[best_idx]4.3 交叉验证中的F1评估
在模型选择阶段，使用交叉验证评估F1分数更可靠：
from sklearn.model_selection import cross_val_score from sklearn.ensemble import RandomForestClassifier model = RandomForestClassifier() scores = cross_val_score(model, X, y, cv=5, scoring='f1') print(f"平均F1分数: {scores.mean():.3f} (±{scores.std():.3f})")5. 高级应用与性能优化
5.1 自定义评分函数
在模型调参时，可以创建自定义评分函数：
from sklearn.metrics import make_scorer # 强调查全率的Fbeta分数 f2_scorer = make_scorer(fbeta_score, beta=2) # 在GridSearch中使用 from sklearn.model_selection import GridSearchCV param_grid = {'max_depth': [3, 5, 7]} grid_search = GridSearchCV(estimator=model, param_grid=param_grid, scoring=f2_scorer)5.2 多标签分类问题
对于多标签分类（一个样本可能属于多个类别），需要使用特殊处理：
from sklearn.multioutput import MultiOutputClassifier from sklearn.metrics import f1_score # 创建多标签模型 base_model = LogisticRegression() model = MultiOutputClassifier(base_model) # 评估时需要指定samples或micro平均 y_pred = model.predict(X_test) score = f1_score(y_test, y_pred, average='samples')5.3 性能优化技巧
- 对于大型数据集，使用sparse矩阵
- 考虑使用更快的实现如lightgbm
- 并行化计算（n_jobs参数）
from lightgbm import LGBMClassifier model = LGBMClassifier(n_jobs=-1) # 使用所有CPU核心 model.fit(X_train, y_train)6. 可视化分析
理解模型性能的最佳方式之一是可视化。以下是几种有用的可视化方法：
6.1 混淆矩阵热图
from sklearn.metrics import ConfusionMatrixDisplay import matplotlib.pyplot as plt ConfusionMatrixDisplay.from_predictions(y_true, y_pred) plt.title('混淆矩阵') plt.show()6.2 PR曲线
from sklearn.metrics import PrecisionRecallDisplay PrecisionRecallDisplay.from_predictions(y_true, y_scores) plt.title('P-R曲线') plt.show()6.3 分类报告
from sklearn.metrics import classification_report print(classification_report(y_true, y_pred, target_names=['类别1', '类别2', '类别3']))在实际项目中，我发现将多种可视化方法结合使用，能够更全面地评估模型性能。特别是在与业务方沟通时，直观的图表比数字更有说服力。