was*_*abi 4 machine-learning scikit-learn
sklearn有一个评估指标,它是f1-score(也存在f-beta分数).
我知道如何使用它,但我不太明白它代表什么.
什么是大或小时表示什么.
如果我们把公式放在一边,我应该从f分值中理解什么？
Rob*_*bin 12
F-score是收集精确度和召回率的简单公式.想象一下,您想要预测二进制分类任务的标签(正面或负面).您有4种类型的预测:
精确度是所有正面预测的真阳性比例.精度为1意味着你没有误报,这是好的,因为你从来没有说过一个元素是积极的而它不是.
召回是所有实际积极因素的真阳性比例.召回1意味着你没有假阴性,这是好的,因为你从未说过一个元素属于相反的类,而它实际上属于你的类.
如果您想知道您的预测是否良好,则需要这两个指标.你的精确度可以为1(所以当你说它是积极的,它是积极的)但仍然有一个非常低的召回率(你预测3个好的积极因素,但忘了15个其他人).或者你可以有一个良好的回忆和糟糕的精度.
这就是为什么你可以检查f1-score,以及任何其他类型的f-score.如果这两个值中的一个显着减少,那么f分数也会如此.但请注意,在许多问题中,我们更倾向于给予精确度或召回更多的权重(在网络安全性中,错误地阻止一些好的请求比放弃一些不好的请求更好).
| 归档时间： |
|
| 查看次数： |
9400 次 |
| 最近记录： |