F1Score 的范围是 0-1，你是对的。

请记住如何计算精度和召回率

precision = TP / (TP + FP)
recall = TP / (TP + FN)

with TP= 真阳性，FP= 假阳性和FN= 假阴性。因此，精度是检索到的相关实例的比例，而召回率是检索到的相关实例的比例（就像维基百科所说的那样）。

鉴于该定义，精度和召回率都是百分比值（范围从 0%-100% = 0-1）。因此，您应该使用您的XXX1版本，因为您的Precsion（没有 1）不满足该标准。但请注意，您的召回率低于 0,02 的值极低。

您需要取 0 到 1 之间的数字，而不是百分比值。请检查语法，但是，我认为隐藏了一个错误。Precision 和 Recall 是两个向量。你正在计算sum(Precision, Recall)我认为你应该计算的地方Precision + Recall。请注意，这些在 R 中是不一样的。该sum函数会将两个向量中的所有值添加到一个大数中，同时+将添加元素：

> a <- c(1, 1, 1, 1)
> b <- c(1, 1, 1, 1)
> sum(a,b)
[1] 8
> a+b
[1] 2 2 2 2

您拥有的 Precision/Recall 对越多，您的函数（使用sum）的结果就越小，因为它们都有一个不断增长的分母。

回到您的示例数据，这将是：

Precision1 <- c(0.5454, 0.6000, 0.9130, 0.9523)
Recall1 <- c(0.0002, 0.0210, 0.0018, 0.0530)
Fscore_rev <- 2 * Precision1 * Recall1 / (Precision1 + Recall1)

和产量

> round(Fscore_rev, 4)
[1] 0.0004 0.0406 0.0036 0.1004

根据定义，Precision 和 Recall 的范围应为 0 到 1。使用 Precision 和 Recall 的十进制表示：

Precision <- c( 0.5454 0.6000 0.9130 0.9523 )
Recall <- c( 0.0002 0.0210 0.0018 0.0530 )
numerator <- 2*Precision*Recall
print(numerator)
[1] 0.00021816 0.02520000 0.00328680 0.10094380

denominator <- (Precision + Recall)
print(denominator)
[1] 0.5456 0.6210 0.9148 1.0053

Fscore <- numerator/denominator

答案是：

print( Fscore)
[1] 0.0003998534 0.0405797101 0.0035929165 0.1004116184