主要是针对多分类的问题不太了解。
用的最多的还是PRF1
以R为例：
recall_score
klearn.metrics.recall_score(y_true, y_pred,
labels=None, pos_label=1,
average='binary',
sample_weight=None)
参数average : string, [None, ‘micro’, ‘macro’(default), ‘samples’, ‘weighted’]
二分类问题拓展到多分类问题时候，主要是参数average变化：
macro：（应该是计算多个二分类的R然后求平均）
计算二分类metrics的均值，为每个类给出相同权重的分值。当小类很重要时会出问题，因为该macro-averging方法是对性能的平均。另一方面，该方法假设所有分类都是一样重要的，因此macro-averaging方法会对小类的性能影响很大。
weighted:（应该是计算多个二分类的R然后，按数量分布求加权平均）
对于不均衡数量的类来说，计算二分类metrics的平均，通过在每个类的score上进行加权实现。
micro：这个不太懂呢
给出了每个样本类以及它对整个metrics的贡献的pair（sample-weight），而非对整个类的metrics求和，它会每个类的metrics上的权重及因子进行求和，来计算整个份额。Micro-averaging方法在多标签（multilabel）问题中设置，包含多分类，此时，大类将被忽略。
samples：不懂
应用在multilabel问题上。它不会计算每个类，相反，它会在评估数据中，通过计算真实类和预测类的差异的metrics，来求平均（sample_weight-weighted）
我现在应该先用macro就可以
后面几类要完全搞懂还要看
https://scikit-learn.org/stable/modules/generated/sklearn.metrics.recall_score.html
https://scikit-learn.org/stable/
有时间搞懂了再补充~