python编写性能度量函数F1度量

F1度量是用于评估二分类模型性能的一种指标，它结合了模型的精确度和召回率，可以用以下公式表示：

F1 = 2 * (precision * recall) / (precision + recall)

其中，precision是模型预测为正例的样本中实际为正例的样本数占比，recall是实际为正例的样本中被模型预测为正例的样本数占比。

下面是使用Python编写F1度量函数的示例代码：

def f1_score(y_true, y_pred):
    TP = 0
    FP = 0
    FN = 0
    for i in range(len(y_true)):
        if y_true[i] == y_pred[i] == 1:
            TP += 1
        elif y_true[i] == 0 and y_pred[i] == 1:
            FP += 1
        elif y_true[i] == 1 and y_pred[i] == 0:
            FN += 1
    precision = TP / (TP + FP)
    recall = TP / (TP + FN)
    f1 = 2 * (precision * recall) / (precision + recall)
    return f1

该函数接受两个参数，y_true表示真实标签，y_pred表示模型预测标签。函数首先计算出TP、FP和FN的数量，然后计算出precision、recall和F1值，最后返回F1值作为函数的输出。