最直接的方法是调用f1_score(y_true, y_pred, average='macro')，需确保输入为一维标签数组、显式指定average参数、并注意zero_division行为。
用 sklearn.metrics.f1_score 计算 Macro-F1 最直接
Macro-F1 是各类别 F1 值的算术平均，不考虑类别样本量差异。最稳妥的做法是调用 f1_score 并显式指定 average='macro' 参数——这是 sklearn 的标准接口，无需手动实现。
常见错误是漏写 average 参数，默认值是 'binary'（仅适用于二分类），多分类下会报错或返回意外结果：
ValueError: Target is multiclass but average='binary'. Please choose another average setting.
- 必须传入真实标签
y_true和预测标签y_pred，二者都应为一维整数或字符串数组 - 若模型输出的是概率或 logits（如
model.predict_proba()结果），需先用np.argmax()转成预测类别 - 类别数较多时，
average='macro'会平等对待每个类，哪怕某类只有 1 个样本——这既是设计意图，也是容易被误用的点
为什么不用 classification_report 直接取值
classification_report 确实会打印 Macro-F1（标为 macro avg 行的 f1-score 列），但它返回的是格式化字符串，不是数值。想在代码中继续使用这个值，得解析文本——既脆弱又多余。
更可靠的方式是：用 f1_score(y_true, y_pred, average='macro') 直接拿到 float 类型结果。例如：
立即学习“Python免费学习笔记（深入）”；
from sklearn.metrics import f1_score<br>score = f1_score([0, 1, 2, 1, 2], [0, 2, 2, 1, 1], average='macro')<br># score ≈ 0.4667
- 该函数内部已处理了每个类别的 precision/recall/F1，并自动求均值
- 如果需要同时看 per-class F1，可调用
f1_score(..., average=None)，返回长度为类别数的数组 - 注意：当某类在
y_true中完全未出现时，average='macro'默认按warn策略跳过该类（不报错但会发警告），可通过zero_division参数控制
average 参数选 'macro' 还是 'weighted'？
这不是“对错”问题，而是评估目标差异：macro 关注类别层面的均衡性，weighted 关注样本层面的代表性。实际项目中容易混淆这两者导致结论偏差。
-
average='macro'：对每个类单独算 F1，再简单平均。适合类别重要性相同、或数据严重不均衡且你希望弱样本类也被公平评价的场景 -
average='weighted'：按各类别在y_true中的支持度（support）加权平均。适合更贴近整体样本分布的评估，比如线上指标对齐 - 两者数值通常不同。例如三分类中，若类别 A 占 80% 样本但 F1=0.9，B/C 各占 10% 且 F1=0.3，则 macro≈0.5，weighted≈0.78
自定义 Macro-F1 时最容易漏掉的边界情况
有人为理解原理会手动循环计算每个类的 F1 再平均，但极易在边缘 case 出错。核心陷阱是：当某类在预测或真实标签中完全缺失时，precision 或 recall 会变成 0/0，即 nan。
sklearn 的 f1_score 默认将此类情况视为 0（配合 zero_division=0），但手动实现常忽略判断：
# 错误示范：没处理 zero-division<br>for class_i in classes:<br> tp = np.sum((y_true == class_i) & (y_pred == class_i))<br> fp = np.sum((y_true != class_i) & (y_pred == class_i))<br> fn = np.sum((y_true == class_i) & (y_pred != class_i))<br> prec = tp / (tp + fp) # 若 tp==fp==0 → nan
- 务必检查分母是否为 0，否则整个 macro 平均值会被
nan污染 - sklearn 默认行为是
zero_division='warn'，建议显式设为zero_division=0保证确定性 - 类别集合应以
y_true为准（即classes=np.unique(y_true)），而非y_pred或预设列表，避免漏类或引入空类
Macro-F1 看似简单，但真正跑通需要确认三件事：输入标签类型正确、average 参数明确指定、以及面对稀疏类时的行为可控。其他包装或中间步骤，基本都是绕路。
