KNN 搭配交叉驗證，哪幾組程式碼能正確執行？
原題
KNN 連題組第二題：研究人員在對 digits 資料集進行分類時，決定使用 KNN 並搭配交叉驗證來評估模型準確率。他們撰寫了四組不同的程式碼來進行 KNN 訓練與交叉驗證，但不確定哪幾組程式碼能正確執行並輸出準確率。請問哪幾組程式碼能正確使用 KNN 搭配交叉驗證，對 digits 資料集進行訓練並輸出準確率？ 程式碼 A：使用 StratifiedKFold(n_splits=5, shuffle=True)，scoring="accuracy" 程式碼 B：同 A，但 scoring="f1" 程式碼 C：使用 cv=5（整數），scoring="accuracy" 程式碼 D：同 C，但 scoring="f1"
白話
郵遞區號辨識專案的研究人員要用 KNN 分類手寫數字（digits 資料集，10 個類別：0-9），搭配 5 折交叉驗證評估準確率。他們寫了四組程式碼，兩組用 StratifiedKFold、兩組用整數 cv=5，差別在評估指標：accuracy 或 f1。
問你：四組程式碼中，哪幾組能不出錯地執行並輸出準確率？
先自己選一個答案，再看完整解析。
一句話總結
能正確執行的只有程式碼 A 和程式碼 C（使用 scoring="accuracy"）：digits 是 10 類別的多分類問題，scoring="f1" 的預設是二元分類用法，對多類別問題會報錯或警告，必須改成 "f1_macro" 或 "f1_weighted" 才能正常執行。
情境
先感受問題：f1 指標的「二元預設陷阱」
郵遞區號辨識系統要分辨 0-9 共 10 種數字，這是標準的多分類（multiclass）問題。研究人員用 sklearn 的 cross_val_score 評估 KNN，試了兩種評估指標：accuracy 和 f1。
accuracy 很直觀：答對幾題除以總題數，10 類別也適用。
f1 就有問題了：sklearn 的 cross_val_score 傳入 scoring="f1" 時，預設假設這是「二元分類」問題（只有正例和負例兩類）。一旦偵測到是多類別問題，就會拋出錯誤：「Target is multiclass but average='binary'. Please choose another average setting, one of [None, 'micro', 'macro', 'weighted']。」
程式碼 B 和 D 都是 scoring="f1" 的版本，兩個都會出錯。
舊方法
f1 指標用錯場景，為什麼會出錯？
- f1 預設是 average='binary'：sklearn 的 f1_score 函數，average 參數預設是 'binary'，只適合兩類別（0 和 1）的分類問題。
- digits 是 10 類別（0-9）：每個樣本的 y 值可以是 0、1、2、...、9，不是二元問題，使用 average='binary' 的 f1 會立刻報錯。
- StratifiedKFold 和 cv=5 都是交叉驗證策略，沒有問題：StratifiedKFold 是更精確的版本，確保每折的類別比例一致；cv=5 是整數，sklearn 預設用 StratifiedKFold 處理分類問題，兩者都合法。
- 多分類的 f1 需要指定平均方式：scoring="f1_macro"（各類別 f1 取算術平均）或 scoring="f1_weighted"（按類別樣本數加權平均）才能在多分類問題上正確運行。
- accuracy 沒有二元/多元的限制：accuracy 是「答對/全部」，對任意類別數的問題都適用，不需要指定平均方式。
新方法
只有 accuracy 能在多分類上直接用
逐一分析四組程式碼：
- 程式碼 A（StratifiedKFold + accuracy）：兩個設定都正確，能正常執行輸出準確率。
- 程式碼 B（StratifiedKFold + "f1"）：f1 預設 average='binary'，digits 是 10 分類，報錯：ValueError。
- 程式碼 C（cv=5 + accuracy）：cv=5 整數在分類問題上等同 StratifiedKFold(5)，accuracy 沒問題，能正常執行。
- 程式碼 D（cv=5 + "f1"）：和 B 同樣問題，f1 在多分類上無法使用，報錯。
能正確執行的是 A 和 C，共同特點是都用 scoring="accuracy"。
這就是選項 B 講的：程式碼 A、程式碼 C。
中級考試大概率會考程式碼跟公式，所以這部分你還是要學。但如果現在學起來很痛苦，可以先跳過，等讀完其他題目回頭再來。
Step 1 純故事版（不出現公式）
想像你要評估一個能辨識 10 種動物的 AI。accuracy 就像「幾題答對除以總題數」，不管有幾種動物都能算。
f1 分數原本是為「二選一」的問題設計的（例如：是不是貓？），它需要明確定義哪個是「正例」哪個是「負例」。如果你有 10 種動物，你得先說清楚「以哪種動物為正例計算 f1」，或者「10 種各算一個 f1 再取平均」。直接說「算 f1」而不指定平均方式，就像問「10 個人的平均身高多少？」但你既不說是算術平均還是加權平均，系統就無法計算。
Step 2 中文 ↔ 程式碼對照
| 白話說法 | 程式碼 |
|---|---|
| 使用 StratifiedKFold，準確率（正確） | cv = StratifiedKFold(n_splits=5, shuffle=True) cross_val_score(model, X, y, cv=cv, scoring="accuracy") |
| 使用整數 cv，準確率（正確） | cross_val_score(model, X, y, cv=5, scoring="accuracy") |
| f1 在多分類（會出錯） | scoring="f1" ← ValueError（average='binary' 但是多類別） |
| 多分類 f1 的正確寫法 | scoring="f1_macro" 或 scoring="f1_weighted" |
| digits 的類別數 | len(np.unique(y)) → 10（0-9） |
Step 3 符號角色表
- scoring="accuracy"：答對比例，適用任何分類問題，不需要指定平均方式
- scoring="f1"：預設 average='binary'，只適用二元分類，多分類會報 ValueError
- scoring="f1_macro"：對每個類別各算 f1，取算術平均，各類別權重相等，適合類別不平衡時關注少數類
- scoring="f1_weighted"：按樣本數加權的 f1 平均，多數類影響較大，適合整體效能評估
- StratifiedKFold：每折保持類別比例的 K-Fold，cv=整數在分類問題上 sklearn 預設也用 Stratified
Step 4 完整公式對應
f1_macro 的計算：
對每個類別 c ∈ {0,1,...,9}，計算二元 f1_c（以 c 為正例）
f1_macro = (f1_0 + f1_1 + ... + f1_9) / 10
f1_weighted 的計算：
f1_weighted = Σ_c (support_c × f1_c) / total_samples
其中 support_c = 類別 c 的樣本數
程式碼 B 和 D 的錯誤：
sklearn 內部呼叫 f1_score(y_true, y_pred, average='binary')
当 y_true 包含 10 個類別時，拋出：
ValueError: Target is multiclass but average='binary'.
Please choose another average setting, one of
[None, 'micro', 'macro', 'samples', 'weighted']
正確的多分類 scoring 字串（不用記全部，記住 f1_macro 和 f1_weighted 最常用）：
"f1_macro" / "f1_weighted" / "f1_micro" / "f1_samples"Step 5 自我複述
- scoring="f1" 在多分類問題上為什麼會出錯？需要改成什麼？
- StratifiedKFold 和 cv=整數有什麼差異？什麼時候優先用 StratifiedKFold？
- f1_macro 和 f1_weighted 有什麼差異？各適合什麼場景？
- 如果把 digits 換成二元分類問題（0 和非 0），scoring="f1" 還會出錯嗎？
- cross_val_score 的 scores 陣列代表什麼？為什麼要看 scores.mean() 而不只是 scores[-1]？
錯選項
為什麼其他選項是錯的
A全部四組都正確
字面在說什麼
A、B、C、D 四組程式碼都能正確執行並輸出準確率。
為什麼不對
程式碼 B 和 D 使用 scoring="f1"，sklearn 的 f1 預設是 average='binary'，不適用於 10 類別的 digits 資料集，執行時會拋出 ValueError。四組全部能跑是錯誤的。
誰會選錯
沒注意到 f1 有「二元/多類別」的限制，以為 f1 是萬用的評估指標，任何分類問題都能用 scoring="f1"。
C只有 A 和 B（StratifiedKFold 那兩組）
字面在說什麼
使用 StratifiedKFold 的 A 和 B 能跑，cv=5 整數的 C 和 D 不行。
為什麼不對
cv=5 整數在分類問題上，sklearn 預設用 StratifiedKFold(5) 處理，效果等同程式碼 A 的設定（不含 shuffle=True，但功能上完全合法）。選項 C 的問題不在 cv=5，而在 scoring="accuracy" 完全沒問題。選項 D 的問題不在 cv=5，而在 scoring="f1"。
誰會選錯
誤以為 cv=整數是「不精確」或「錯誤」的用法，以為只有明確指定 StratifiedKFold 物件才算「正確」，忽視了 sklearn 會自動把整數 cv 轉換成 Stratified 交叉驗證。
D只有 C 和 D（cv=5 那兩組）
字面在說什麼
使用 cv=5 整數的 C 和 D 能跑，StratifiedKFold 的 A 和 B 有問題。
為什麼不對
StratifiedKFold 完全合法且是更明確的寫法，程式碼 A 絕對能正確執行。選項 D 裡的程式碼 D（cv=5 + scoring="f1"）同樣因為 f1 的多分類問題而出錯，和程式碼 B 一樣。
誰會選錯
誤以為 StratifiedKFold 有什麼問題，或者搞錯了哪組用了什麼 scoring，沒仔細對應每組程式碼的設定。
變形題
同個考點下次怎麼變形
答案
使用 scoring="f1_macro"（各類別等權重）或 scoring="f1_weighted"（按樣本數加權）。digits 資料集各類別樣本數相當均衡，兩者結果相近；類別不平衡時差異會很大，選 weighted 較常見。
答案
主要差異是 shuffle 參數。cv=5 整數使用的是 StratifiedKFold(n_splits=5)，預設 shuffle=False，折的分配按樣本原始順序。加上 shuffle=True 會先隨機打亂再切折，讓每折的樣本更具代表性，通常比不 shuffle 更穩定。時間序列資料不應 shuffle。
答案
是的，同樣問題。scoring="precision" 和 scoring="recall" 預設都是 average='binary'，多分類問題需要改成 "precision_macro" / "precision_weighted" 或 "recall_macro" / "recall_weighted"。記住：任何有 f1/precision/recall 的 scoring 字串，在多分類問題上都需要加上 "_macro" 或 "_weighted"。
答案
scores 是每一折的評估結果（5 折就有 5 個值），代表模型在不同子集上的效能。scores.mean() 是 5 折的平均效能，是最終報告的標準指標。scores.std() 代表模型穩定性，std 小代表效能穩定，std 大代表對資料分布敏感，可能過擬合。
答案
通常用網格搜尋（GridSearchCV）或交叉驗證掃描多個 n_neighbors 值，選出在驗證集上準確率最高的 K。經驗法則：K = sqrt(n_samples)，digits 資料集 1797 筆，K ≈ 42，但實際上小的 K（3-10）也常表現不錯。奇數 K 可避免二元分類時的平票。
延伸
想再往下看，這 5 個
- K 近鄰（KNN）
本題主角，透過計算測試點與訓練集的距離、取最近 K 個鄰居投票決定類別，不需要訓練階段。 - 交叉驗證（Cross-Validation）
本題使用的評估框架，StratifiedKFold 和 cv=整數都是實現方式，確保評估結果穩定可靠。 - F1 分數（F1 Score）
本題的核心陷阱，多分類問題必須指定 average 參數（macro/weighted），直接用 scoring="f1" 在多類別上會報錯。 - 準確率（Accuracy）
不受分類數量限制的通用指標，是本題中唯一能直接在多分類問題上使用的 scoring 選項。 - 資料不平衡（Data Imbalance）
理解 f1_macro 和 f1_weighted 差異的關鍵概念，類別不平衡時兩者差異顯著，需要根據目的選擇。