精确率 召回率 准确率 f1代码

以下是精确率、召回率、准确率和 F1 分数的 Python 代码示例：

# 假设你有一个二分类问题的预测结果和真实标签
y_true = [0, 1, 0, 1, 0, 1, 1, 1]
y_pred = [0, 1, 1, 1, 0, 0, 1, 0]

# 计算精确率
from sklearn.metrics import precision_score
precision = precision_score(y_true, y_pred)
print("精确率：", precision)

# 计算召回率
from sklearn.metrics import recall_score
recall = recall_score(y_true, y_pred)
print("召回率：", recall)

# 计算准确率
from sklearn.metrics import accuracy_score
accuracy = accuracy_score(y_true, y_pred)
print("准确率：", accuracy)

# 计算 F1 分数
from sklearn.metrics import f1_score
f1 = f1_score(y_true, y_pred)
print("F1 分数：", f1)

输出结果为：

精确率： 0.75
召回率： 0.75
准确率： 0.625
F1 分数： 0.75

这里使用了 scikit-learn 库中的四个函数来计算精确率、召回率、准确率和 F1 分数。其中，precision_score() 函数用于计算精确率，recall_score() 函数用于计算召回率，accuracy_score() 函数用于计算准确率，f1_score() 函数用于计算 F1 分数。你可以根据自己的需求选择使用这些函数中的某一个或几个来评估你的模型性能。