zoukankan      html  css  js  c++  java
  • F1 score,micro F1score,macro F1score 的定义

    F1 score,micro F1score,macro F1score 的定义

    本篇博客可能会继续更新

    最近在文献中经常看到precesion,recall,常常忘记了他们的定义,在加上今天又看到评价多标签分类任务性能的度量方法micro F1score和macro F2score。决定再把F1 score一并加进来把定义写清楚,忘记了再来看看。

    F1score

    F1score(以下简称F1)是用来评价二元分类器的度量,它的计算方法如下:


    F1是用来衡量二维分类的,那形容多元分类器的性能用什么呢?micro F1score,和macro F2score则是用来衡量多元分类器的性能。

     

    假设对于一个多分类问题,有三个类,分别记为1、2、3,

    TPi是指分类i的True Positive;
    FPi是指分类i的False Positive;
    TNi是指分类i的True Negative;
    FNi是指分类i的False Negative。

    我们分别计算每个类的精度(precision)


    macro 精度 就是所有分类的精度平均值


    同样,每个类的recall计算为


    macro 召回就是所有分类的召回平均值


    套用F1score的计算方法,macro F1score就是

    micro F1score

    假设对于一个多分类问题,有三个类,分别记为1、2、3,

    TPi是指分类i的True Positive;
    FPi是指分类i的False Positive;
    TNi是指分类i的True Negative;
    FNi是指分类i的False Negative。
    接下来,我们来算micro precision


    相应的micro recall则是


    则micro F1score为

    总结

    如果各个类的分布不均衡的话,使用micro F1score比macro F1score 比较好,显然macro F1score没有考虑各个类的数量大小

    参考
    该网址一位答主的回答,我搬运过来

  • 相关阅读:
    2020年寒假假期总结0210
    2020年寒假假期总结0209
    2020年寒假假期总结0208
    2020年寒假假期总结0207
    2020年寒假假期总结0206
    yolo-v4:Optimal Speed and Accuracy of Object Detection解析
    Docker 练习
    tensorflow2.0 GPU版本镜像文件
    flink项目实战
    高等数理统计知识点
  • 原文地址:https://www.cnblogs.com/hjlweilong/p/11032593.html
Copyright © 2011-2022 走看看