切换标签的F1分数

Question

我想使用来自sklearn的多个评估得分（NMI，ARI，F1），使用一些综合数据评估聚类方法。当NMI和ARI正常工作时，我确实遇到了F1得分方面的问题，其中标签被切换，例如，真实标签为[0, 0, 0, 1, 1, 1]，预测标签为[1, 1, 1, 0, 0, 0]。对于聚类，这是一个完美的结果，因为两个聚类均已正确识别，仅切换了标签：聚类1的标签为0，反之亦然。 F1分数似乎无法处理，因为我的代码产生的F1分数为0.0。我认为发生这种情况是因为标签的名称/编号不同，但是我无法手动为每个群集切换标签名称，因为这是很多工作的方法，尤其是对于大型数据集，因此是否有更通用的解决方案？ >

示例代码：

from sklearn.metrics import f1_score

if __name__ == '__main__':
    labels = [0, 0, 0, 1, 1, 1]
    pred = [1, 1, 1, 0, 0, 0]
    print(f1_score(labels, pred, average='micro')

我想使用来自sklearn的多个评估得分（NMI，ARI，F1），使用一些综合数据评估聚类方法。当NMI和ARI正常工作时，我确实遇到了有关F1的问题...

Answer 1

F1分数的计算方式为：