F1 score,micro F1score,macro F1score 的定義

2018年09月28日 19:30:08 wanglei_1996 閱讀數 976

本篇博客可能會繼續更新

最近在文獻中經常看到precesion,recall，常常忘記了他們的定義，在加上今天又看到評價多標簽分類任務性能的度量方法micro F1score和macro F2score。決定再把F1 score一並加進來把定義寫清楚，忘記了再來看看。

F1score(以下簡稱F1)是用來評價二元分類器的度量，它的計算方法如下：

假設對於一個多分類問題，有三個類，分別記為1、2、3，

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

我們分別計算每個類的精度(precision)

假設對於一個多分類問題，有三個類，分別記為1、2、3，

TPi是指分類i的True Positive；
FPi是指分類i的False Positive；
TNi是指分類i的True Negative；
FNi是指分類i的False Negative。
接下來，我們來算micro precision

如果各個類的分布不均衡的話，使用micro F1score比macro F1score 比較好，顯然macro F1score沒有考慮各個類的數量大小

本站轉載的文章為個人學習借鑒使用，本站對版權不負任何法律責任。如果侵犯了您的隱私權益，請聯系本站郵箱yoyou2525@163.com刪除。

猜您在找 計算F1Score 【筆記】F1 score F1 score意義分類問題的幾個評價指標（Precision、Recall、F1-Score、Micro-F1、Macro-F1 python F score打分 F-Beta-Score 機器學習--如何理解Accuracy, Precision, Recall, F1 score 機器學習：評價分類結果（F1 Score）【tf.keras】實現 F1 score、precision、recall 等 metric 機器學習中的 precision、recall、accuracy、F1 Score