在一篇关于假新闻检测的研究论文中，作者收集了一个假新闻二进制数据集（假新闻与真新闻），由16,817真文章和5,323假文章组成。
macro作者使用准确率、精确度、召回率和 F1 来展示结果，但没有具体说明他们在 F1 度量（ 、micro、weighted等）上应用了哪种平均。
结果如下：
如果你能注意到最后一个系统，精度值是0.689，F1值是0.717高于精度的。
因此，给定数据集的不平衡状态，作者是否有可能使用macro方式对 F1 度量中的类进行平均？
对我来说，这“不可能”发生，我认为他们可能使用了weighedF1 分数。
他们计算了为二元分类任务定义的“标准”F1 分数：
precision = 0.656
recall = 0.792
f1 = 2 * (precision * recall) / (precision + recall)
f1
给
0.7176132596685083
其他版本的 F1 分数用于多个类别，您可以在此处“扩展到多类别分类”下看到：
F 分数还用于评估具有两个以上类别的分类问题（多类分类）。在此设置中，最终分数是通过微平均（受类频率偏向）或宏观平均（将所有类视为同等重要）获得的。对于宏观平均，申请人使用了两个不同的公式：（算术）分类精度和召回平均值的 F 分数或分类 F 分数的算术平均值，后者表现出更理想的特性。
或者，请参阅此处了解 F1 分数的 scikit learn 实现及其参数描述。