分類器は、陽性クラスについて2種類の誤りを犯すことがあります。偽陽性は陰性のケースにアラートを出します。偽陰性は陽性のケースを見逃します。正解率はすべての行で正しい予測を数えるので、陰性が多いと、陽性クラスの弱い結果を隠してしまうことがあります。
適合率は、アラートのうちいくつが正しかったかを問います。再現率は、実際の陽性のケースのうちいくつを見つけたかを問います。F1は、適合率と再現率を調和平均で組み合わせます。適切な指標はチームが何を制御する必要があるかによって決まり、どれも確率の推定がよく校正されているかは教えてくれません。これらの課題では、クラス1を陽性の結果として使ってください。分母がゼロのときは、要求されたzero_divisionの方針によって、未定義の値で分析が狂うのではなく、結果が明示的になります。