F1 score的意义

F1 score是一个平均数;对精确率与召回率进行平均的一个结果;

平均算法有四个,如图所示:

调和平均数:Hn=n/(1/a1+1/a2+...+1/an)
几何平均数:Gn=(a1a2...an)^(1/n)
算术平均数:An=(a1+a2+...+an)/n
平方平均数:Qn=√ [(a1^2+a2^2+...+an^2)/n]
这四种平均数满足 Hn ≤ Gn ≤ An ≤ Qn

F1 score选择了第一种调和平均数算法进行计算;该算法的特点就是会更多聚焦在较低的值;所以会对每个指标非常重视;

看harmony公式变形:Hn=2*a*b/(a+b);a+b恒等于1,a*b=a*(1-a)=-a^2+a; 令导数为-2a+1=0,a=0.5时值最大;Hn的最大值为0.5,从这里可以看出如果a+b有约束的情况下,a与b越接近值越大;

在F1 sore这里,a与b不存在共同约束,只有0<=a<=1,0<=b<=1; 所以最大值不只只是0.5,比如说Hn=2*1*1/(1+1)=1;这也是最完美的,精确率与召回率都是100%;

 

  • 4
    点赞
  • 18
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
F1分数是一种评估分类模型性能的指标,它是精确率(Precision)和召回率(Recall)的调和平均数。F1分数综合考虑了模型的精确率和召回率,对两者进行了平衡。精确率是指在所有被模型预测为正例的样本中,实际为正例的比例;召回率是指在所有实际为正例的样本中,被模型预测为正例的比例。F1分数的取值范围是从0到1,其中1表示最佳表现,0表示最差的表现。 F1分数的意义在于综合考虑了模型的精确率和召回率,找到了一个平衡点,可以帮助我们评估分类模型的整体性能。在某些情况下,精确率和召回率可能存在冲突,即提高一个指标可能会降低另一个指标。F1分数可以帮助我们在这种情况下做出权衡。例如,在模型A和模型B中,模型A的召回率高于模型B,但模型B的精确率高于模型A。通过计算F1分数,我们可以确定哪个模型在综合性能上更好。 此外,除了F1分数,还有F2分数和F0.5分数等指标。F2分数强调召回率的重要性,而F0.5分数强调精确率的重要性。这些指标可以根据具体的需求和应用场景来选择和使用。总体而言,F1分数是一种常用的评估分类模型性能的指标,可以帮助我们综合考虑精确率和召回率,从而更全面地评估模型的表现。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [【机器学习】F1分数(F1 Score)详解及tensorflow、numpy实现](https://blog.csdn.net/zjn295771349/article/details/84961596)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *2* *3* [【深度学习笔记】F1-Score](https://blog.csdn.net/weixin_43838785/article/details/103608639)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值