1回答
不平衡类f1分数含义
、、、
1.00 0.98 0.99 125000
Class 1 0.33 0.84 0.47 1500 大家好， 在这个模型中，f1分数对预测1类不是很好，1类是少数类。因为只有2个类，如果它不是0类，那么它就是1类。 换句话说，如果模型可以将数据识别为类0，那么它肯定不是类1(特别是当类0的精度为1时)。这意味着模型仍然做得很好。 它
浏览 50提问于2021-01-04得票数 0
回答已采纳
我正在对亚马逊书评进行情感分析，数据集严重不平衡。正面评论几乎是负面评论的10倍，训练和测试的准确率都在90%左右(数据集不平衡)。
浏览 2提问于2018-11-25得票数 1
我有一个阶级不平衡的多类分类问题。我寻找最好的标准来评估我的模型。学习有多种计算F1分数的方法。我想了解不同之处。
当出现班级不平衡时，你有什么建议？
浏览 0提问于2018-11-08得票数 22
回答已采纳
1回答
我有一个不平衡的数据集，它有43323行，其中9行属于“failure”类，其他行属于“normal”类。而分类器的精度为0.18%，F1评分为0.37%。，我假设我可以通过更改阈值来获得更好的F1分数，但是我失败了(我检查了0到1之间的阈值，步骤=0)。而且，在我看来，通常在处理不平衡的数据集时，很难获得高召回率。的目标是得到一个更好的F1分数。下一步我能做些什么？谢谢!
(要明确的是，我使用SMOTE来对训练数据集中的故障样本进行
浏览 2提问于2022-10-19得票数 0
什么原因会导致F1分数不是精度和召回率的调和平均值，而多类的宏观平均加权相等？我的数据集是不平衡的，预测是不正确的。
浏览 33提问于2019-02-03得票数 0
2回答
我有一个高度不平衡的数据集，只有不到0.5%的次要类。使用Keras，我将对DNN进行培训，并评估验证集的性能。损失函数为binary_crossentropy。我把我的早期停止f1评分，而不是验证损失。我在训练期间观察到的是，f1分数上下波动很大，而验证损失却在减少。实际上，我的f1分数很低，而且早停下来，尽管f1的分数是很多时代的.
我对此很困惑。
浏览 0提问于2018-11-17得票数 6
1回答
我有一个多类的不平衡问题。因变量如下所示。=平衡的随机森林算法来处理不平衡问题。分数都是用“宏”方法计算的。还是评估模型的总体平均分数(包括2级)？我有评估模型使用k折叠简历技术，并显示以下分数。它显示了整体的精确性、召回率和F1评分。
浏览 0提问于2018-11-16得票数 2
1回答
问题是这种性能只存在于平衡的验证数据上，一旦我用不平衡的数据对样本外进行测试，它似乎就偏向于甚至类预测。我也尝试过使用加权损失函数，但在样本之外也没有什么乐趣。有没有好的方法来确保验证性能的转换？
浏览 6提问于2019-07-10得票数 0
2回答
如何提高F1评分进行分类
、、、、
对于类别标签1(即仅为阳性类的F1评分)，他们都给出了大约56%的F1评分。我用过：
StandardScaler()GridSearchCV用于超参数TuningRecursive特性消除(对于selection)SMOTE(the数据集是不平衡的，因此我使用SMOTE从现有示例创建新示例我还用EnsembleVoteClassifier.As创建了一个集成模型，你可以从图片中看到，加权F分数是94%，而第1类的F分数(也就是表示任务将超过截止日期的阳性类</
浏览 2提问于2020-07-01得票数 1
1回答
然后，准确度分数或f1评分表示模型在测试集上的表现如何(平衡类的准确性更好，不平衡类的f1更好)。如有任何意见，将不胜感激。
浏览 3提问于2021-05-11得票数 0
回答已采纳
我正在处理一个多类问题和不平衡的数据。我正在努力寻找一种算法，可以很好地预测每一个班与蟒蛇(滑雪和熊猫)。我的数据集包含: 620行，12列，是不平衡的：
类别0: 47,3%，1: 10,5%，2: 9%，3: 8,6%我试着提高1,2,3类，训练不同的算法，但最好的f1加权评分仅为58%。我还试着降低0级的样本，并训练同样的算法，但是最好的f1加权分数是40%。单打独斗的方法不太管用。是否需要更改模型，还是更改有关不平衡数据集的其他内容？
浏览 0提问于2021-07-19得票数 0
我一直在尝试使用5折交叉验证来对高度不平衡的数据进行分类。我的样本量是：阳性样本: 1064份(占总数的0.01%)
我也想避免数据泄露。然而，我得到了相当低的平均精度分数和F-1分数。我使用加权逻辑回归来帮助我处理不平衡的数据，因为SMOTE在存在极不平衡的数据时不能很好地工作。另外，我在sklearn库中看到了F-1分数的几个选项。例如: f1 score有一个参数:average{‘微’，‘宏’，‘样本’，‘加权’，‘二进制’}。不确
浏览 0提问于2021-04-03得票数 1
2回答
我在研究多类不平衡的数据。我的因变量是高度倾斜的。2087530(severe Injury) 3394 Recall score: 0.8110616374089428 F1如果我考虑到微观结果，我的精确性，
浏览 0提问于2018-11-07得票数 1
我已经运行了RandomForestClassifier和MLPClassifier模型，我收到的准确率和f1得分分别为83%和39%，而不是86%和34%。我的数据集不平衡，一个类中有523个，另一个类中有91个，它有22个特征。当我尝试使用网格搜索交叉验证优化我的模型时，我对两个模型的准确率都略有提高，但我的f1分数下降到0%，这可能是什么原因？
浏览 3提问于2021-03-12得票数 0
此外，可以将实例分配给一个类。我的数据集非常不平衡。我知道，在这种情况下，精确性不是一个很好的衡量标准，因为我们可以简单地预测高频度的类并获得好的分数。我明白对于多类分类问题，微F1优于宏F1.的意思，但结果却是微F1评分与准确度评分相同.。因此，研究替代度量(即微F1)而不是精确性的整个想法已经成为一个完整的循环。
我应该使用宏F1代替吗？
浏览 0提问于2019-05-11得票数 7
2回答
使用类权重后F1分数降低
、、、、
我正在处理一个多类分类用例，数据高度不平衡。所谓高度不平衡的数据，我是指频率最高的类和频率最低的类之间存在着巨大的差异。以下是我获得的指标：
Acc
浏览 2提问于2020-05-11得票数 0
1回答
imblearn是一个用于处理不平衡数据的python库。下面给出了生成分类报告的代码。(y_true, y_pred,target_names=target_names)) pre rec spe f13
iba在这份分类报告中的含义是什么这里pre代表精度，rec代表召回，spe代
浏览 0提问于2021-01-21得票数 3
回答已采纳
我感兴趣的是，当OOB被用于二进制分类任务时，当它被用于一个不平衡的样本时，就会使用sklearn来寻找随机森林的OOB评分。在随机森林中，oob决策函数意味着什么，以及如何从它得到类预测？oob决策函数是否提供类概率，如果是，我是否通过取较高的数字来获得类预测(例如，执行类似于pred_train = np.argmax(forest.oob_decision_function_，axis由于我的课程是不平衡的，我不能在这里使用sklearn的默认OOB分数，我应该这样做从OOB预测中
浏览 0提问于2021-01-30得票数 1
回答已采纳
我有两个多类分类模型来进行预测(准确地说，类数是三个)。一个是Keras神经网络，另一个是Scikit学习库中的梯度增强分类器。我注意到，在相同的数据上训练后，GBC具有较高的精度评分，而Keras模型具有较高的F1评分。我应该使用哪种模型来预测未来的数据？哪个指标更重要？
浏览 0提问于2019-12-23得票数 7
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
