TensorFlow Addons的F1 Score为何对正确预测输出0值？

问题场景 #

训练CNN模型使用F1 Score时出现计算结果不符合预期的情况，以下是测试代码：

import tensorflow_addons as tfa
import numpy as np
metric = tfa.metrics.F1Score(
    num_classes=4, threshold=0.5)
y_true = np.array([
    [0, 1, 0, 0],
    # [0, 1, 0, 0],
    # [1, 0, 0, 0]
], np.int32)
y_pred = np.array([
    [0, 1, 0, 0],
    # [0.2, 0.6, 0.2, 0.2],
    # [0.6, 0.2, 0.2, 0.2]
], np.float32)
metric.update_state(y_true, y_pred)
result = metric.result()
result.numpy()

预期输出：

[1, 1, 1, 1]

按此计算宏平均F1 Score应为1，但实际得到：

[0, 1, 0, 0]

设置average=macro时，结果为0.25。

补充测试情况 #

给y_true添加一行数据后，结果恢复符合预期（原本以为会报错），测试代码如下：

import tensorflow_addons as tfa
import numpy as np
metric = tfa.metrics.F1Score(
    num_classes=4, threshold=0.5)
y_true = np.array([
    [0, 1, 0, 0],
    [1, 0, 0, 0]
    # [0, 1, 0, 0],
    # [1, 0, 0, 0]
], np.int32)
y_pred = np.array([
    [0, 1, 0, 0],
    # [0.2, 0.6, 0.2, 0.2],
    # [0.6, 0.2, 0.2, 0.2]
], np.float32)
metric.update_state(y_true, y_pred)
result = metric.result()
result.numpy()

问题原因 #

这不是TensorFlow Addons的bug，是F1Score的计算逻辑导致的：

• F1 Score由精确率和召回率推导而来，而召回率的计算依赖真实标签中存在该类别的正样本（即该类别在y_true中至少有一个1）。
• 第一个测试用例里，只有索引为1的类别有正样本，其余3个类别在y_true中全为0。对于这类没有正样本的类别，tfa.metrics.F1Score会默认返回0——因为没有正样本时，召回率的分母为0，为避免除以0错误，指标直接置0。
• 宏平均会对所有类别的F1值取平均，所以(0+1+0+0)/4=0.25，和实际结果一致。
• 补充测试中添加了索引为0的类别正样本，该类别有了有效计算依据，若预测正确则F1为1，符合预期。

解决办法 #

如果需要对没有正样本的类别返回1（即认为无样本时预测正确），可以通过两种方式处理：

1. 手动修正结果：

result = metric.result().numpy()
# 标记每个类别是否有正样本
has_positive_samples = np.any(y_true == 1, axis=0)
# 对无正样本的类别，将F1设为1
result[~has_positive_samples] = 1

2. 设置zero_division参数（需确认TensorFlow Addons版本支持）：
   初始化F1Score时指定zero_division=1，控制分母为0时返回1：

metric = tfa.metrics.F1Score(
    num_classes=4, threshold=0.5, zero_division=1)

内容的提问来源于stack exchange，提问作者Jason Rich Darmawan