python机器学习模型的精确率与F1分数如何计算？请给出代码

在 Python 中，可以使用 scikit-learn 库中的 metrics 模块来计算机器学习模型的精确率和 F1 分数。以下是示例代码：

from sklearn.metrics import precision_score, f1_score

# y_true 为真实标签，y_pred 为模型预测的标签
precision = precision_score(y_true, y_pred)
f1 = f1_score(y_true, y_pred)

其中，y_true 和 y_pred 都是一维数组或列表，表示真实标签和模型预测的标签。precision_score 函数和 f1_score 函数分别计算精确率和 F1 分数，其返回值均为一个浮点数。

需要注意的是，precision_score 和 f1_score 函数默认针对二分类问题，如果是多分类问题，则需要指定 average 参数来计算加权平均值或宏平均值。例如，如果要计算加权平均值，可以将 average 参数设置为 'weighted'：

precision = precision_score(y_true, y_pred, average='weighted')
f1 = f1_score(y_true, y_pred, average='weighted')

更多关于 scikit-learn 库中的 metrics 模块的使用可以参考官方文档：https://scikit-learn.org/stable/modules/classes.html#module-sklearn.metrics。