1050 筆資料、少數類只有 50 筆。三行 print 考三件事：macro（各類平權平均）、weighted（按樣本數加權）、recall（少數類抓回幾成）。實跑輸出 0.6465、0.9298、0.4——weighted 被佔 95.2% 的多數類支配，把少數類 F1 只有 0.3333 的慘況遮得乾乾淨淨。下半題考門檻：實跑機率模型從 0.5 降到 0.1，recall 0.271 → 0.712、誤報 3 → 93 筆——升的跟付出的一起看，才是完整的判讀。
少數類別標記為 1。執行下列程式後，輸出與門檻調整的判讀何者正確？
from sklearn.metrics import f1_score, recall_score # 拿出兩把評分尺 y_true = [0]*1000 + [1]*50 # 正解：1000 個 0 接 50 個 1 y_pred = [0]*950 + [1]*50 + [0]*30 + [1]*20 # 預測：四段對四格（下面解剖） print(round(f1_score(y_true, y_pred, average='macro'), 4)) # 各類平權平均 print(round(f1_score(y_true, y_pred, average='weighted'), 4)) # 按樣本數加權 print(round(recall_score(y_true, y_pred), 4)) # 預設只報正類（=1）的 recall
想像兩個班考同一份試：1000 人的大班考 96 分、50 人的小班只考 33 分。「全校表現」怎麼報？各班平權——(96＋33)÷2 ≈ 64.65：小班的慘況佔一半版面，藏不住。按人頭平均——大班佔 95.2% 權重，算出來 ≈ 92.98：小班 50 個人被 1000 個人的好成績淹沒。
這正是 macro 與 weighted 的差別。而不平衡任務裡你在乎的通常就是那個小班（詐欺、罕病、流失客戶——少數類標記為 1）——所以本題的三個輸出裡，最誠實的是 macro 的 0.6465 與少數類 recall 的 0.4，最會「報喜」的是 weighted 的 0.9298。
recall_score 二元預設只報正類（pos_label=1）——本題就是少數類抓回幾成：20/50 ＝ 0.4。點擊後出現漸進式說明：白話說明 → 說清楚一點 → 常見錯誤與考點。
點擊後出現漸進式說明。
六行，一行一行走完。右上角的「看位置」可以把這一行放回完整程式裡看。
from sklearn.metrics import f1_score, recall_score # 評估抽屜，一次拿兩件
sklearn.metrics 是評估工具的抽屜——系列第 2 頁（混淆矩陣）、第 3 頁（不平衡陷阱）都來過。這次拿 f1_score（precision 與 recall 的調和平均）與 recall_score（抓回率）。
y_true = [0]*1000 + [1]*50 # 清單乘法＋串接：前 1000 筆是 0、後 50 筆是 1
[0]*1000 是清單乘法：把 [0] 複製 1000 份；+ 把兩段串接起來——共 1050 筆，前 1000 筆真實為 0（多數類）、後 50 筆真實為 1（少數類）。1000 : 50 ＝ 20 : 1 的不平衡——題目說「少數類別標記為 1」，指的就是這 50 筆。
y_pred = [0]*950 + [1]*50 + [0]*30 + [1]*20 # 950 TN｜50 FP｜30 FN｜20 TP
把它跟 y_true 逐位置對齊就是解題鑰匙：前 1000 個位置真實為 0——其中 950 筆預測 0（TN）、50 筆預測 1（FP 誤報）；後 50 個位置真實為 1——其中 30 筆預測 0（FN 漏抓）、20 筆預測 1（TP 抓到）。四段依序就是 TN、FP、FN、TP——考場 30 秒拆段法，02 節實驗室把四格攤開。
[0]*a + [1]*b + ... 寫法，先把段落長度抄成 2×2。print(round(f1_score(y_true, y_pred, average='macro'), 4)) # (0.9596 + 0.3333) ÷ 2 = 0.6465
先各類算自己的 F1：類 0 是 0.9596、類 1 只有 0.3333；macro 把兩個數平權平均——(0.9596＋0.3333)÷2 ＝ 0.6465。小班考砸，全校成績直接被拖下來——藏不住。
print(round(f1_score(y_true, y_pred, average='weighted'), 4)) # 0.952×0.9596 + 0.048×0.3333 = 0.9298
同樣的兩個班級 F1，改用樣本數當權重：類 0 佔 1000/1050 ＝ 95.2%、類 1 只佔 4.8%——0.952 × 0.9596 ＋ 0.048 × 0.3333 ＝ 0.9298。少數類在這個平均裡幾乎沒有發言權——這就是答案 A 說的「weighted F1 受多數類別支配」。
print(round(recall_score(y_true, y_pred), 4)) # 20 ÷ 50 = 0.4：50 個真正例只抓到 20 個
二元的 recall_score 沒指定就只報正類（pos_label=1）：真實為 1 的 50 筆裡抓到 20 筆——20/50 ＝ 0.4。分母是「真實為 1」的 50，不是「預測為 1」的 70——把分母搞混，就會算出 20/70 ≈ 0.2857，那是 precision——選項 C 的死因預告。
把第 3 行的四段填進 2×2（本站實跑 confusion_matrix 驗證）。點任一格，看它餵給哪些指標：
| 類別 | precision | recall | F1 | support |
|---|---|---|---|---|
| 類 0（多數） | 0.9694 | 0.9500 | 0.9596 | 1000 |
| 類 1（少數＝正類） | 0.2857 | 0.4000 | 0.3333 | 50 |
類 0 的 F1 ＝ 0.9596、類 1 的 F1 ＝ 0.3333——average 參數決定怎麼把兩個數揉成一個：
答案 A 的下半句要親手拉過才有感。本站訓練一個機率模型（1050 筆測試、59 個正例——跟題目同等級的不平衡），把「判為 1」的門檻從 0.9 一路降到 0.05：
選項 D 說「weighted 必定小於 macro，因為正類樣本比較少」。開庭，兩件展品：
這類題目考場上照 SOP 走，30 秒填完四格：
| 步驟 | 動作 | 本題 |
|---|---|---|
| ① 對段落 | y_pred 的段落長度照抄，對齊 y_true 的分界 | 950｜50｜30｜20 |
| ② 填四格 | 真實 0 的段 → TN、FP；真實 1 的段 → FN、TP | TN950 FP50 FN30 TP20 |
| ③ 算類 1 | P＝TP/(TP＋FP)、R＝TP/(TP＋FN)、F1＝調和 | 0.2857 / 0.4 / 0.3333 |
| ④ 算類 0 | 同法（把 0 當正類） | 0.9694 / 0.95 / 0.9596 |
| ⑤ 揉平均 | macro 平權；weighted 乘 support 佔比 | 0.6465 / 0.9298 |
本頁也是站上不平衡評估三部曲的完結篇：第 2 頁（混淆矩陣與 recall）教四格與兩把尺、第 3 頁（不平衡評估陷阱）教「全猜 0 也有 95% 準確率」的假象與 baseline 紀律、本頁教怎麼把各類成績「揉成一個數」而不騙到自己——macro 誠實、weighted 報喜、micro 就是 accuracy。三頁合體，就是科目二不平衡評估的完整武器庫。
三個數字實跑全中：macro ＝ (0.9596＋0.3333)/2 ＝ 0.6465、weighted ＝ 0.952×0.9596＋0.048×0.3333 ＝ 0.9298（多數類佔 95.2% 權重——「支配」的數學本體）、recall ＝ 20/50 ＝ 0.4。門檻判讀也對：實跑降門檻 0.5 → 0.1，recall 0.271 → 0.712、誤報 3 → 93 筆——「通常可提高」「可能增加」的措辭嚴謹又符合實測。
實跑三個輸出是 0.6465、0.9298、0.4——沒有一個是 0.95。macro 與 weighted 只有在各類表現一樣好或各類樣本數相同時才會相等；不平衡＋表現懸殊的本題，兩者差了 0.28。「永遠相同」與第 3 頁的「準確率 95% 假象」犯同一個錯：拿多數類的太平掩蓋少數類的災情。
兩刀斃命：① 20/70 的 70 是「預測為 1」的筆數——那是 precision（0.2857）；recall 的分母是「真實為 1」的 50，答案 0.4。② 降門檻讓更多樣本被判 1——TP 變多、FP 通常漲更兇：實跑 precision 從 1.000 一路掉到 0.177。「一定同時提高」與實測完全相反。
方向整個說反：本題 weighted（0.9298）遠大於 macro（0.6465）——正類樣本少，代表它在 weighted 裡幾乎沒發言權（4.8%），少數類考砸時 weighted 反而被多數類拉高。誰大誰小取決於「哪一類表現好」：小類考好時才會 weighted ＜ macro（實跑 recall 版反例：0.5238 ＜ 0.75）。「必定」二字，兩個方向都站不住。
再看一次同一段程式。這次你知道三個數字各自在報告什麼了。
少數類別標記為 1。執行下列程式後，輸出與門檻調整的判讀何者正確？
y_pred = [0]*950 + [1]*50 + [0]*30 + [1]*20 # TN 950｜FP 50｜FN 30｜TP 20 print(round(f1_score(y_true, y_pred, average='macro'), 4)) # 平權：0.6465（誠實） print(round(f1_score(y_true, y_pred, average='weighted'), 4)) # 按人頭：0.9298（被多數類拉高） print(round(recall_score(y_true, y_pred), 4)) # 正類抓回率：20/50 = 0.4
八題，全部都是本題的延伸。答錯會直接告訴你錯在哪。
「F1 的平均方式」是中級科目二大數據處理分析與應用的高頻考點，常跟門檻調整合併出題。最常見的六種問法：① 給 y_true/y_pred 問三個輸出（本題這種——拆段填四格、逐類算、再揉平均）；② 問 macro 與 weighted 的差別（平權 vs 按 support 加權；不平衡＋表現懸殊時分歧最大）；③ 問哪個指標會被多數類支配（weighted、micro/accuracy）；④ 給 20/70 與 20/50 問誰是 precision 誰是 recall（分母口訣）；⑤ 問降低門檻的效果（recall 升、precision 通常降、FP 增）；⑥ 問在乎少數類時該看什麼（macro、各類分開、PR 曲線）。一句口訣：macro 平權、weighted 按人頭；P 分母是預測、R 分母是真實；降門檻——多抓也多冤。
都從「逐類 F1」出發。macro：各類 F1 直接平均——本題 (0.9596＋0.3333)/2 ＝ 0.6465，每類一票，票票等值。weighted：各類 F1 乘上樣本佔比（support 權重）再加總——0.952×0.9596＋0.048×0.3333 ＝ 0.9298，人多票多。micro：不先分類別，把全部 TP/FP/FN 加總後直接算——在單標籤情境下恆等於 accuracy（實跑 0.9238）。記法：macro 像「各班平均分再平均」、weighted 像「全校按人頭平均」、micro 像「全校總答對率」。三者在類別均衡且表現一致時會靠攏，不平衡＋表現懸殊時分裂——分裂的幅度本身就是「少數類考差」的訊號。
因為權重幾乎全在考得好的那班。類 0 佔 1000/1050 ＝ 95.2% 的權重、F1 高達 0.9596；類 1 只佔 4.8%、F1 慘到 0.3333。weighted ＝ 0.952×0.9596＋0.048×0.3333——第二項只貢獻 0.016，等於少數類「幾乎沒投票」。macro 則強迫兩班各佔 50%，0.3333 的災情直接把平均拖到 0.6465。差距 0.28 不是誤差，是訊息：看到 weighted 遠高於 macro，第一反應就該是「少數類出事了」——跟第 3 頁「準確率 95% 但全猜 0」是同一族的假象。
看分母。precision ＝ TP/(TP＋FP) ＝ 20/70——分母 70 是「預測為 1」的全部（抓到的 20＋冤枉的 50）：喊有病的裡面，幾個真的病？→ 0.2857。recall ＝ TP/(TP＋FN) ＝ 20/50——分母 50 是「真實為 1」的全部（抓到的 20＋漏掉的 30）：真的病的裡面，抓到幾個？→ 0.4。選項 C 把 20/70 說成 recall，就是分母抓錯。口訣：P 直欄（預測那一欄）、R 橫列（真實那一列）；或「P 問報案準不準、R 問壞人漏不漏」。這對兄弟在第 2 頁有完整動畫，本頁是速記版。
門檻是「機率多高才判 1」的線。降門檻 → 更多樣本被判 1 → 真正例更容易被涵蓋（TP↑、FN↓ → recall 上升），但更多正常樣本也被掃進來（FP↑ → precision 通常下降）。本站實跑（1050 筆、59 正例的機率模型）：門檻 0.9→0.5→0.2→0.05，recall 0.068→0.271→0.525→0.797，FP 0→3→32→218，precision 1.000→0.842→0.492→0.177——三條線的方向一目了然。所以答案 A 用「通常可提高 recall、可能增加誤報」是嚴謹的措辭；C 的「一定同時提高 precision」與實測完全相反。極端情況（模型把正例排序得極好）precision 可能短暫持平，但「一定提高」永遠是錯的。
不是。0.5 只是 predict() 的預設值，不是最佳值。實跑本頁的模型：F1 最高點在門檻 0.2（0.508），比 0.5 的 0.410 好一截——因為不平衡資料下正類機率普遍偏低，0.5 太嚴。實務決定門檻看成本：漏抓成本高（詐欺、罕病、設備故障）→ 門檻往低調，用 precision 換 recall；誤報成本高（誤鎖帳戶、騷擾客戶）→ 往高調。工具：PR 曲線／ROC 曲線把所有門檻的表現一次畫出來（站內 PR 曲線、ROC/AUC 頁），或直接用 precision_recall_curve 找 F1 最大的門檻。考點：「調門檻不用重新訓練模型」——只是改判讀 predict_proba 的方式。
都不一定——方向由「哪一類表現好」決定。大類表現好（本題）：weighted 被大類拉高 → weighted ＞ macro（0.9298 ＞ 0.6465）。小類表現好：weighted 被大類拉低 → weighted ＜ macro——實跑反例（recall 版）：類 0 抓對一半、類 1 全抓到，macro recall ＝ (0.5＋1.0)/2 ＝ 0.75，weighted ＝ 0.952×0.5＋0.048×1.0 ＝ 0.5238。選項 D 的錯有兩層：方向說反（本題就是活反例）、歸因錯誤（「正類樣本少」只決定權重小，不決定誰大）。考場看到「必定／永遠／一定」，先找反例——本系列第三次用這招殺選項。
三部曲各管一段。第 2 頁（混淆矩陣與 recall）：建地基——四格怎麼填、precision/recall 分母口訣、為什麼有兩把尺。第 3 頁（不平衡評估陷阱）：立紀律——「全猜 0 也有 95% 準確率」的 baseline 假象、accuracy 在不平衡下不可信、該建立什麼基準。本頁：收尾——各類成績算出來之後，怎麼「揉成一個數」而不騙到自己（macro 誠實、weighted 報喜、micro＝accuracy），以及門檻這顆旋鈕怎麼轉。連起來就是科目二不平衡評估的完整答題流程：填四格 → 算兩把尺 → 選對平均 → 需要時調門檻。