【Python常用函数】一文让你彻底掌握Python中的f1_score函数

任何事情都是由量变到质变的过程，学习Python也不例外。只有把一个语言中的常用函数了如指掌了，才能在处理问题的过程中得心应手，快速地找到最优方案。
  
本文和你一起来探索Python中的toad.metrics.f1_score函数，让你以最短的时间明白这个函数的原理。也可以利用碎片化的时间巩固这个函数，让你在处理工作过程中更高效。之前对模型评价指标F1值原理和实现有过介绍，只是实现方式没有用到toad包，感兴趣的朋友可以看下：模型评价指标—F1值。

一、F1值介绍

1 什么是F1值

  
F1值又称为F1分数(F1-Score)：是分类问题的一个衡量指标，它是精确率P(Precision)和召回率R(Recall)的调和平均数。
  
          F1值=2PR/(P+R)
  
F1值的取值范围（0~1），越接近1说明模型预测效果越好，至于原因详见后文。

2 理解F1值的一个小例子

  
假设1代表涉赌涉诈账户，0代表非涉赌涉诈的低风险账户。