多分类f1分数_【评价指标】详解F1-score与多分类MacroF1&MicroF1

文章来自：一个宝藏微信公众号【机器学习炼丹术】

基本概念

首先，要背住的几个概念就是：accuracy,precision,recal, TP,FP,TN,FN

TP:true positive。预测是正确的正样本

FP:false positive。预测是错误的正样本

TN：true negative。预测是正确的负样本

FP:false positive。预测是错误的负样本

通常我们会做出这样的一个混淆矩阵：

左边的positive，negative表示样本真实值，表格上边的positive，negative表示样本的预测结果。

现在我们有这样的一个例子：

图中的TP，FP等是一个比例，假设总共有100个样本，有40个是TP，有20个是FP……(不过混淆矩阵一般不用除以总样本数量)

现在我们有了\(TP=0.3,FP=0.1,TN=0.4,FN=0.2\)

准确率Accuracy

准确率是指，对于给定的测试数据集，分类器正确分类的样本书与总样本数之比，也就是预测正确的概率。

对应上面的例子，可以得到Accuracy=0.7。

【准确率Accuracy的弊端】

准确率作为我们最常用的指标，当出现样本不均衡的情况时，并不能合理反映模型的预测能力。例如测试数据集有90%的正样本，10%的负样本，假设模型预测结果全为正样本，这时准确率为90%，然而模型对负样本没有识别能力，此时高准确率不能反映模型的预测能力。

精确率Precision

表示预测为正的样本中，实际的正样本的数量。

对应上面的例子，\(precision=\frac{0.3}{0.3+0.1}=0.75\)。

【个人理解】

Precision是针对预测结果而言的。预测结果中，预测为正的样本中预测正确的概率。类似于一个考生在考卷上写出来的答案中，正确了多少。体现模型的精准度，模型说：我说哪个对哪个就是对的。

召回率Recall

Recall表示实际为正的样本被判断为正样本的比例

对应上述的例子，得到\(Recall=\frac{0.3}{0.3+0.2}=0.6\)

【个人理解】

Recall是针对数据样本而言的。数据样本中，正样本中预测正确的概率。类似于一个考生在考卷上回答了多少题。体现一个模型的全面性，模型说：所有对的我都能找出来。

F1 score

Precision和Recall是一对矛盾的度量，一般来说，Precision高时，Recall值往往偏低；而Precision值低时，Recall值往往偏高。当分类置信度高时，Precision偏高；分类置信度低时，Recall偏高。为了能够综合考虑这两个指标，F-measure被提出(Precision和Recall的加权调和平均)，即：

F1的核心思想在于，在尽可能的提高Precision和Recall的同时，也希望两者之间的差异尽可能小。F1-score适用于二分类问题，对于多分类问题，将二分类的F1-score推广，有Micro-F1和Macro-F1两种度量。

【Micro-F1】

统计各个类别的TP、FP、FN、TN，加和构成新的TP、FP、FN、TN，然后计算Micro-Precision和Micro-Recall，得到Micro-F1。具体的说，统计出来各个类别的混淆矩阵，然后把混淆矩阵“相加”起来，得到一个多类别的混淆矩阵，然后再计算F1score

【Macro-F1】

我感觉更常用的是Macro-F1。统计各个类别的TP、FP、FN、TN，分别计算各自的Precision和Recall，得到各自的F1值，然后取平均值得到Macro-F1

【总结】

从上面二者计算方式上可以看出，Macro-F1平等地看待各个类别，它的值会受到稀有类别的影响；而Micro-F1则更容易受到常见类别的影响。