如何告诉scikitlearn为哪个标签给出F1/精度/召回分数（在二进制分类中）？

Question

正如this article中所解释的，计算F-1分数（即计算召回率和准确度）的关键在于这些计算是基于正类还是负类。例如，如果我有一个倾斜的数据集，其中1%的标签属于a类，99%的标签属于B类，而我只分配了一个阳性类别，并将所有测试项目分类为阳性，那么我的F-1分数将非常好。我如何告诉scikit学习在二进制分类中哪个类别是正类别？（如果有帮助，我可以提供代码。）

Answer 1

对于二进制分类，sklearn.metrics.f1_score默认情况下会假设1是正类，0是负类。如果使用这些约定（0表示类别B，使用1表示类别A），那么它应该提供所需的行为。可以通过将pos_label关键字参数传递给f1_score函数来重写此行为。在

参见：http://scikit-learn.org/stable/modules/generated/sklearn.metrics.f1_score.html