classification metrics：分类任务常用指标accuracy，macrof1,weightedf1的python实现

之前想要直接搜一个代码拿来用，没想到这么简单的东西csdn上的帖子竟然还要vip才能看。世风日下耳。
自己写一下，方便未来再用及他人使用。

from sklearn.metrics import accuracy_score,f1_score

#用sklearn计算accuracy
pred=[1,2,0,0]
count=[0,2,1,0]
print(accuracy_score(y_true=count,y_pred=pred))

#用sklearn计算macrof1
pred=[1,2,0,0]
count=[1,2,0,0]
print(f1_score(y_true=count,y_pred=pred,average='macro'))

#用sklearn计算weightedf1
pred=[1,2,0,0]
count=[1,2,0,0]
print(f1_score(y_true=count,y_pred=pred,average='weighted'))

f1_score是很强大的接口，只要在average指定类型就可以得到不同类型的f1 score。
这里没有给出microf1是因为microf1=accuracy。
对分类任务而言，这几个metrics一般足够了