F1Score()参数设置

F1Score() 函数的参数设置如下：

1. y_true：实际值，类型为数组或列表。
2. y_pred：预测值，类型为数组或列表。
3. average：计算 F1 Score 的方式，可选参数为 "micro"、"macro" 或 "weighted"。默认为 "binary"，表示二分类问题。
4. beta：F1 Score 中的 β 值，用于调整精确率和召回率的相对重要性。默认为 1，即精确率和召回率同等重要。

示例：

from sklearn.metrics import f1_score

y_true = [0, 1, 0, 1]
y_pred = [0, 1, 1, 1]

# 二分类问题
f1 = f1_score(y_true, y_pred)
print(f1)  # 输出 0.6666666666666666

# 多分类问题
y_true_multi = [0, 1, 2, 0, 1, 2]
y_pred_multi = [0, 2, 1, 0, 0, 1]

f1_micro = f1_score(y_true_multi, y_pred_multi, average='micro')
f1_macro = f1_score(y_true_multi, y_pred_multi, average='macro')
f1_weighted = f1_score(y_true_multi, y_pred_multi, average='weighted')

print(f1_micro)  # 输出 0.3333333333333333
print(f1_macro)  # 输出 0.2222222222222222
print(f1_weighted)  # 输出 0.26666666666666666