直接用f1_score(y_true, y_pred, average='weighted')即可，它按各类别在y_true中的样本数加权平均F1值，要求标签类型一致、长度相同，且输入为一维整数或字符串标签，不可用one-hot或概率矩阵。
sklearn.metrics.f1_score 的 average='weighted' 参数怎么用？
直接用 f1_score(y_true, y_pred, average='weighted') 就行，但必须确保标签是整数或字符串类型一致，且 y_true 和 y_pred 长度相同。这个参数会按每个类别的支持度（即样本数）加权求和，公式是 ∑(F1i × supporti) / ∑supporti。
常见错误是传入 one-hot 编码的 y_true 或 y_pred —— f1_score 只接受一维标签数组，不是二维概率或 one-hot 矩阵。
- 如果模型输出是概率（如
model.predict_proba()），先用np.argmax()转成类别索引 - 若类别名是字符串（如
['cat', 'dog', 'bird']），y_true和y_pred必须都用相同字符串，不能混用数字和字符串 - 当某个类别在
y_true中完全没出现，average='weighted'仍能计算（它只基于实际出现的类别加权），但若该类在y_pred中有预测而y_true中为 0，则其 F1 视为 0
为什么 weighted 和 macro 结果经常差很多？
因为 average='weighted' 把多数类的 F1 拉高了，而 average='macro' 对所有类等权重平均。比如三分类中，类别 A 占 80% 样本、F1=0.9，B 占 15%、F1=0.4，C 占 5%、F1=0.2：weighted 结果 ≈ 0.9×0.8 + 0.4×0.15 + 0.2×0.05 = 0.79；macro 是 (0.9+0.4+0.2)/3 = 0.5。
实际选哪个取决于业务目标：要反映整体预测质量且数据不平衡，用 weighted；要强调每个类都得过关（比如医疗诊断里罕见病不能被忽略），就得看 macro 或单类 F1。
立即学习“Python免费学习笔记（深入）”；
仅使用 Python 将 Claw Code 虚拟化框架与 OpenClaw 集成，提供 184 种工具和 200 多条命令，用于安全分析和代码质量...
-
weighted对类别分布敏感，训练集和测试集类别比例差异大时，指标可能失真 - 如果某类支持度为 0（即
y_true中没这个类），weighted会自动跳过它，但macro会报ZeroDivisionError（除非设zero_division=0）
多分类 F1 加权平均和 classification_report 的关系
classification_report(y_true, y_pred) 默认最后一行 weighted avg 列就是调用 f1_score(..., average='weighted') 算出来的，但 report 还同时给出 precision 和 recall 的加权平均 —— 它们各自加权，不是从 F1 推导来的。
注意：classification_report 的加权逻辑和 f1_score 一致，但如果你手动算 F1 加权值，别误用 report 里 precision 或 recall 的加权值去“组合”出 F1（F1 不是 precision 和 recall 加权后的调和平均）。
- 想验证一致性？对比
f1_score(y_true, y_pred, average='weighted')和classification_report(..., output_dict=True)['weighted avg']['f1-score'] - report 默认不显示 support 数为 0 的类别，但
f1_score在average='weighted'下也只基于非零 support 类别计算
使用 predict_proba 后怎么安全地算 weighted F1？
必须显式取 argmax，不能直接把概率矩阵喂给 f1_score，否则会报错 ValueError: multiclass format is not supported。
import numpy as np from sklearn.metrics import f1_score <h1>假设 model.predict_proba(X_test) 输出 shape=(n, 3)</h1><p>y_proba = model.predict_proba(X_test) # 不要直接传这个 y_pred = np.argmax(y_proba, axis=1) # ✅ 正确：转成整数标签 f1_w = f1_score(y_true, y_pred, average='weighted')
容易漏掉的是标签映射一致性：如果训练时用 LabelEncoder 编码过，预测时也要用同一个 encoder.transform() 或确保 argmax 结果对应原始类别顺序。
- 如果模型输出是 logits（没 softmax），同样先
softmax再argmax，或直接argmax（logits 最大值位置和概率最大值一致） - 用
predict()方法通常更安全，因为它已封装好类别映射；但自定义后处理时，务必检查输出维度和类别对齐
加权 F1 看似简单，真正麻烦的是标签类型、编码方式、以及「支持度」到底按哪边算（y_true 还是 y_pred）——这些细节不盯紧，结果可能差 0.2 以上。
