使用sklearn计算F1分数

使用sklearn计算F1分数

F1分数是一种常用的评估分类模型性能的指标，它结合了精确率（precision）和召回率（recall）。在sklearn库中，我们可以使用f1_score函数来计算F1分数。本文将介绍如何使用sklearn中的f1_score函数，并提供相应的源代码示例。

首先，我们需要安装sklearn库。可以使用pip命令在Python环境中安装sklearn：

pip install -U scikit-learn

安装完成后，我们可以导入所需的模块并开始使用f1_score函数。

from sklearn.metrics import f1_score

f1_score函数接受两个参数：真实标签（y_true）和预测标签（y_pred）。真实标签是数据集中每个样本的实际分类标签，而预测标签是模型对这些样本进行分类后的结果。

假设我们有一个分类模型，我们可以使用predict方法得到预测标签。然后，我们可以使用f1_score函数计算F1分数：

y