如本文所述，无论这些计算是基于正类还是负类，计算F-1分数（即计算召回率和精度）都很重要。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，而我只是给a分配阳性类别，并将所有测试项目归类为阳性，那么我的F-1分数将非常好。如何告诉scikit learn在二元分类中哪个类别是正类别？（如果有帮助，我可以提供代码。）
对于二进制分类，sklearn.metrics.f1_score默认情况下会假设1是正类，0是负类。如果您使用这些约定（0用于类别B，1用于类别A），它应该会为您提供所需的行为。可以通过将pos_label关键字参数传递给f1_score函数来覆盖此行为。
请参阅：http://scikit-learn.org/stable/modules/generated/sklearn.metrics.f1_score.html