1
Amy 原创整理｜资料核验：2026-10-31
【scikit-learn文档事实】F-beta结合精确率与召回率：beta大于1时更重视召回率，小于1时更重视精确率，等于1时就是F1。它不是准确率的另一个名字，也不能只凭分数大小判断两个使用不同beta的实验谁更好。
fbeta_score 的 y_pred 是预测类别标签，不是未经阈值处理的概率。默认 average="binary" 且正类标签为1；多分类或多标签问题需要明确聚合方式，不能不看任务就沿用默认值。
【Amy建议】先依据任务对漏报和误报的重视程度选评估方法，再固定beta、正类定义与阈值做比较。报告分数时同时列出精确率、召回率和样本范围，方便别人知道高分来自哪里。不要在测试结果出来后挑一个让数字更漂亮的beta，再把它当作事先确定的标准。
官方来源：
https://scikit-learn.org/stable/modules/generated/sklearn.metrics.fbeta_score.html