F1分数

F1分数分类的常用指标有:accuracy:准确率recall:召回率precison:精确率f1score:f1分数,是recall和precison的调和均值。准确率什么情况下失效?在正负样本不均衡的情况下,accuracy这个指标有很大的缺陷。如:正样本990个,负样本10个。这样好像

大家好,欢迎来到IT知识分享网。

分类的常用指标有:

accuracy:准确率

recall:召回率

precison:精确率

f1score:f1分数,是recall和precison的调和均值。

 

准确率什么情况下失效?

在正负样本不均衡的情况下,accuracy这个指标有很大的缺陷。

如:正样本990个,负样本10个。

F1分数

这样好像也没有什么用处哦?

原因是关注正样本还是负样本。

默认是关注正样本,而此时的正样本太多,就算混入几个副样本也无伤大雅。

但大部分情况下是那10个才叫“正样本”,比如异常检测里,990个正常,10个异常,我们可能会更关注那10个异常。这10个异常叫做正样本。

此时就有 10 个正样本,990个负样本。

此时的准确率是多少呢?

F1分数

几个指标的通俗说明

 

recall:召回率,也叫查全率。其实就是

 

在上面的例子中,原本正样本990个负样本10个。预测结果为:1000个正样本。

怎么计算召回率呢?

 

召回率 = 预测对的所有正例 / 原本的所有正例

 

  • 1000个正例中,预测对的正例是多少呢?990个啊。
  • 原本的所有正例呢? 990个啊。 那么:

 

F1分数

当然查的越全越好,查的越准也越好。但一般情况下,这两个值是“此消彼长”的关系。所以就要有Fscore了,Fscore是R、P的调和均值,也是越大越好。一般用F1_score

F1分数

 F1分数

 

免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://yundeesoft.com/31265.html

(0)

相关推荐

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注微信