PyTorch中F1分数计算方法咨询及手动与库结果不一致排查

一、PyTorch里计算F1分数的常用方法 #

• 用torchmetrics库：这是PyTorch生态下专门的指标计算库，针对张量计算优化，支持二分类、多分类的各种F1变体（加权、宏、微平均），无需手动编写逻辑，能减少出错概率。示例代码：

  from torchmetrics import F1Score
  f1_metric = F1Score(task="binary", num_classes=2)
  preds = torch.tensor([0, 1, 1, 0])
  targets = torch.tensor([0, 1, 0, 0])
  f1_score = f1_metric(preds, targets)
  

• 手动计算：先通过混淆矩阵统计TP（真阳性）、FP（假阳性）、FN（假阴性），再套用公式 F1 = 2*(Precision*Recall)/(Precision+Recall)。适合需要自定义逻辑的场景，但要仔细核对每个指标的统计逻辑。
• 结合sklearn.metrics：将PyTorch张量转为numpy数组后，使用sklearn的f1_score函数。注意区分标签格式（one-hot编码或类别索引），示例：

  from sklearn.metrics import f1_score
  preds_np = preds.cpu().numpy()
  targets_np = targets.cpu().numpy()
  weighted_f1 = f1_score(targets_np, preds_np, average='weighted')
  

二、手动计算与classification_report结果不一致的排查点 #

1. 单类别F1与加权F1的差异 #

你手动算出的85.47%大概率是正类的F1分数，而classification_report输出的加权F1是按每个类别的样本数量加权后的整体结果。如果数据集正负样本不平衡（比如负样本远多于正样本），负类的F1分数偏低会直接拉低整体加权F1到79%，这是正常的统计差异，并非代码错误。

2. 标签顺序与映射错误 #

• 确认手动计算时的正类定义：classification_report默认将0视为负类、1视为正类，若你手动将0当作正类计算，结果必然无法对齐。
• 检查模型预测值的转换逻辑：二分类模型输出的通常是概率，需先通过preds = (outputs > 0.5).long()或preds = outputs.argmax(dim=1)转换为类别索引，不要直接传入原始概率值。

3. 混淆矩阵统计错误 #

仔细核对手动计算混淆矩阵的代码，正确的统计逻辑示例：

TP = ((preds == 1) & (targets == 1)).sum().item()
FN = ((preds == 0) & (targets == 1)).sum().item()
FP = ((preds == 1) & (targets == 0)).sum().item()

检查preds和targets的维度、数据类型是否一致，避免在张量转numpy数组的过程中丢失数据。

4. classification_report的参数设置 #

• 确认average参数：二分类场景下默认值为binary（仅计算正类F1），若你指定average='weighted'，则输出加权后的结果。需对比手动计算是否也采用了加权逻辑，而非仅计算正类F1。
• 检查labels参数：若你的标签不是0/1格式，或存在缺失类别，需手动指定labels=[0,1]，否则库函数可能忽略部分类别，导致计算偏差。

5. 数据一致性问题 #

确保手动计算和调用classification_report时使用的是同一批预测值与真实标签，排查是否在模型推理、数据划分等中间步骤中出现样本遗漏或数据修改的情况。

内容的提问来源于stack exchange，提问作者Manar Saad