在数学上，b_acc 是recall_P 和recall_N 的算术平均值，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）处理类不平衡。根据两个类（N 或 P）中的哪一个多于另一个，每个指标都优于另一个。

1) 如果 N >> P，f1 更好。

2）如果P >> N，b_acc更好。

显然，如果您可以进行标签切换，那么这两个指标都可以用于上述两种不平衡情况中的任何一种。如果不是，那么根据训练数据的不平衡，您可以选择适当的指标。