平衡准确度与F-1分数

我想知道是否有人可以解释平衡精度之间的区别

b_acc = (sensitivity + specificity)/2

和f1分数是：

f1 = 2*precision*recall/(precision + recall) 

在数学上，b_acc是Recall_P和Recall_N的算术平均值，而f1是Recall_P和precision_P的调和平均值。

F1和b_acc都是分类器评估的指标，（在某种程度上）处理了类的不平衡。取决于两个类别（N或P）中哪个类别胜过另一个类别，每个指标的表现都优于另一个。

1）如果N >> P，则f1更好。

2）如果P >> N，则b_acc更好。

显然，如果可以进行标签切换，则可以在上述两种不平衡情况中的任何一种中使用两个指标。如果不是，则根据训练数据的不平衡，可以选择适当的指标。