在之前的文章中我们分享了查全率,查准率和F1度量的概念,这次咱来分享一下什么是宏查全率,宏查准率,宏F1(其实区别不大哦,就是解决的问题有点区别)
假如我现在有一个问题,我要实现多分类,那我该如何实现呢?这里其实有两个思路,一种是我就直接分类呗,交给计算机,用机器学习,让它去干。第二种就是把多分类问题转化为多个二分类问题,然后再去让计算机实现,我们今天所说的内容就是跟第二种思路有关,这样说有点抽象,我们来举个例子说明一下。
假如说我现在有100张照片,照片的内容是数字1到10,我现在想分成10个类,然后让计算机去识别分类,那我可以有下图的选择
我们今天不讨论直接分类,我们看一下化为10个二分类问题是如何实现的,假如说第一个类里面放照片内容是1的照片,那我就去识别这100张照片,分为1和不是1,这就是一个二分类,以此类推,一共进行十次这样的操作,综合起来就完成了一个多分类问题。那现在有一个问题,我这个多分类问题的查全率,查准率,F1该如何计算?我们是不是得有方法去计算出来,看下图
我们有两种处理方式:(1)先计算再求平均值;(2)先平均再计算
先说第一种:(1)先计算再求平均值。
先计算的意思就是:求出每一个二分类的查全率和查准率,然后再求一个均值。
计算的公式如下:
这就是所谓的宏查准率,宏查全率,宏F1,不难叭~
再说第二种:(2)先平均再计算。
先平均的意思是:如上图所示,我们把每一个二分类中的,,,分别相加再求一个平均值,然后再计算查全率,查准率,F1,公式如下:
这个叫微查准率,微查全率,微F1,名字而已,只是处理方式不一样~
这样我就求出了多分类问题的查全率,查准率和F1嘞~
ok,这篇就分享到这里嘞~欢迎小伙伴们批评指正~(图片知识来源于西瓜书)