我正在开发一个基于不平衡数据集(二元分类)的机器学习scikit-learn模型。看看混淆矩阵和F1分数，我期望一个较低的平均精度分数，但我几乎得到一个完美的分数，我不知道为什么。这是我得到的输出:
测试集上的混淆矩阵:
[[6792 199]
[ 0 173]]
F1分数:0.63
Test AVG precision score:0.99
我给出了scikit-learn概率的平均精度分数函数，这是包中说要使用的。我想知道问题出在哪里。
混淆矩阵和f1分数基于硬预测，这在sklearn中是通过在0.5的概率阈值下切割预测产生的(对于二元分类，并假设分类器确实是概率性的开始[因此不是SVM示例])。相比之下，平均精度是使用所有可能的概率阈值计算的;可读作精密度-召回率曲线下的面积。
所以高average_precision_score和低f1_score表明你的模型在一些阈值下做得非常好，而不是0.5。