怎么用python计算准确率，召回率。f1值

计算准确率、召回率、F1值需要先有真实值和预测值。假设我们有以下数据：

y_true = [1, 0, 1, 1, 0, 1, 0, 0, 1, 1]  # 真实值
y_pred = [1, 0, 0, 1, 0, 1, 0, 1, 1, 0]  # 预测值

其中，`y_true` 为真实值，`y_pred` 为预测值。下面是如何计算准确率、召回率和F1值的代码：

from sklearn.metrics import accuracy_score, recall_score, f1_score

accuracy = accuracy_score(y_true, y_pred)  # 准确率
recall = recall_score(y_true, y_pred)  # 召回率
f1 = f1_score(y_true, y_pred)  # F1值

print("准确率：", accuracy)
print("召回率：", recall)
print("F1值：", f1)

输出结果为：

准确率： 0.6
召回率： 0.6666666666666666
F1值： 0.625

其中，准确率为0.6表示预测的结果中有60%是正确的，召回率为0.67表示真实值中有67%被正确地预测出来，F1值为0.625表示准确率和召回率的加权调和平均数。