如何告诉scikit-learn给出F-1 /精度/召回分数的标签（二进制分类）？

如本文所述，对于计算F-1分数（即计算召回率和精确度）而言，无论这些计算是基于阳性还是阴性，都是很重要的。例如，如果我有一个偏斜的数据集，其中标签类别A的标签为1％，类别B标签的标签为99％，而我只是将A分配为阳性类别，并将所有测试项目归为阳性，那么我的F-1分数将非常好。如何告诉scikit-learn二进制分类中哪个类别是肯定类别？（如果有帮助，我可以提供代码。）

对于二进制分类，sklearn.metrics.f1_score默认情况下将假设1是肯定类别，而0是否定类别。如果您使用这些约定（0对于类别B，1对于类别A），它应该会为您提供所需的行为。通过将pos_label关键字参数传递给f1_score函数，可以覆盖此行为。

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