我有一套10个实验，计算精度，回忆和F1评分为每个实验。现在，平均查准率和平均召回率很容易计算。我对F1的平均分数有些困惑。关于如何计算平均F1分数，有两种方法：取平均</
浏览 0提问于2017-01-08得票数 8
回答已采纳
1回答
我想使用sklearn的几个评估分数(NMI，ARI，F1)，使用一些合成数据来评估一种聚类方法。虽然NMI和ARI工作得很好，但在标签被交换的地方，我确实遇到了关于F1分数的问题，例如，真实标签是[0, 0, 0, 1, 1, 1]，而预测标签是[1, 1, 1, 0, 0, 0]。F1分数似乎无法处理此问题，因为我的代码生成的F1分数为0.0
浏览 17提问于2019-10-26得票数 0
回答已采纳
1回答
微观度量与宏观度量
、、、
为了检验我的多标签分类模型的结果，我测量了精度、回忆和F1分数。我想比较两种不同的结果，Macro。我有一个只有几行的数据集，但标签计数在1700左右。为什么宏如此之低，即使我在微观上得到了很高的结果，当它是一个多类的时候，哪一个会更有用呢？Precision: 0.743999
Macro Precision: 0.25657
浏览 2提问于2021-08-09得票数 0
回答已采纳
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
=clf, param_grid=param_grid, scoring=scoring, refit=refit_scorer, cv=cv)
ValueError：'balanced_accuracy有效的选项是：“准确性”、“调整后_互信息_分数”、“调整_rand_得分”、“平均精度”、“完整性_得分”、‘解释_方差’、'f1‘、’F1_宏‘、’F1_微‘、’F1_样“、‘F1_加权’、‘fowlkes_loss_score
浏览 0提问于2018-11-17得票数 4
回答已采纳
2回答
当我们评估WEKA中的分类器时，例如2类分类器，它给出了3个f-度量:类1的f-度量，类2的f-度量和加权f-度量。
我太困惑了！我认为f-measure是一个平衡的度量，它显示了多个类别的平衡性能度量，那么对于类别1和2的f-度量是什么意思呢？
浏览 1提问于2014-01-25得票数 8
回答已采纳
1回答
我对三种不同的f1计算感到困惑。对于严重不平衡的数据，我应该使用哪种f1评分？我正在研究一个严重不平衡的二进制分类。‘f1’‘f1_macro’另外，我想在balanced_accuracy评分参数中添加balanced_accuracy_score(y_true如何将其合并到我的代码中？scores = cross_validate(LogisticRegression(max_iter=1000
浏览 11提问于2021-04-07得票数 0
我使用两种方法计算了我的分类的P，R和F1的宏观平均值。Macro-Average Recall:", metrics.recall_score(predictions, test_y, average='macro'))给出了这个结果：Macro-Average
浏览 8提问于2019-07-30得票数 0
回答已采纳
1回答
我知道f1分数，它使用精确度和召回率。但是，mean f1 score中的“mean”是什么？当我们使用它的时候，如何计算“均值”？编辑以明确解释我的问题:我知道f1分数是准确率和召回率的调和平均值。并且在计算f1得分时，需要多个分类结果来计算准确率
浏览 19提问于2017-08-10得票数 1
回答已采纳
1回答
我在这个网站上读到过，如果数据集不平衡，如果你想在回忆和进进之间寻求平衡的话，建议使用F1评分。请您解释一下F1如何在不平衡的数据集方面有用吗？
浏览 0提问于2021-12-14得票数 5
3回答
Why是通常用于(监督)分类任务的F-测度，而G-测度(或Fowlkes-Mallows索引)通常用于(无监督)聚类任务？下面是一个不同方法的情节。📷
F1 (谐波) $= 2\cdot\frac{精度
浏览 0提问于2018-08-12得票数 12
1回答
crossValidationFolds=10shuffleTrainingData=true运行这将输出，每倍，各种指标，如精度，召回，准确性/微观平均F1和宏观平均F1。作为输出的一部分，是否有办法获得所有10个精度/微观平均F1或全部10个宏平均<
浏览 2提问于2016-04-01得票数 1
回答已采纳
在文档中，它将average_precision_score描述为精确召回曲线下的区域。我很难理解这个区域意味着什么？
这个度量和原始的精确评分有什么不同？
浏览 6提问于2016-01-19得票数 6
回答已采纳
2回答
当我使用平均值=‘micro’时，我得到了以下结果。score: 0.8110616374089428对于平均=“宏”，结果如下。如果我必须考虑宏，那么我的模型性能真的很差。请建议是否有任何方法来提高精确度，回忆和AUC评分？
如果我考虑到微观结果，我的精确性，回忆性，f1分数是一样的。我如何在项目中证明这一点？但单类精
浏览 0提问于2018-11-07得票数 1
在大多数情况下，如果我处理的是不平衡的数据，那么准确性并不能给出正确的想法。尽管准确率很高，但模型的性能很差。如果不是auc，这是处理不平衡数据的最好方法。
浏览 146提问于2019-02-26得票数 0
回答已采纳
当我通过CV cross_val_score()计算精确性、回忆性和f1时，它给出的结果与通过混淆矩阵计算的结果不同。为什么它给出不同的精确度，回忆，和f1的分数？我在机器学习中学习支持向量机，我想比较一下cross_val_score返回的结果和手工计算混淆矩阵的结果。然而，我有不同的结果。
浏览 14提问于2022-07-20得票数 2
回答已采纳
我是Python和分类算法的新手。我使用GaussianNB对NSL数据集进行多类分类，最终需要获得精度、召回、f1评分值。average='micro'))在，我遵循了类似问题中的说明输出如下所示，但是对于这三个输出，我都得到了相同的输出。，这是什么原因？
浏览 3提问于2020-05-02得票数 0
回答已采纳
当我们同时考虑精度和召回率来计算F度量时，我们取这两个度量的调和平均值，而不是简单的算术平均值。
取调和平均值而不是简单平均值背后的直观原因是什么？
浏览 127提问于2014-10-14得票数 107
回答已采纳
1回答
我绘制了一条ROC曲线，找到了未来预测观测的最佳阈值百分比为1，我发现这个阈值总是与我原始数据中等于1的观测百分比相匹配。对此有什么概念上的解释吗？
浏览 0提问于2019-08-11得票数 1
回答已采纳
1回答
我正在使用sklearn计算macro f1分数，我怀疑代码中是否有任何错误。macro {}'.format(my_f_macro))
micro: p 0.6666666666666666, r 0.5714285714285714, f1 0.6153846153846153
正如您所看到的
浏览 4提问于2017-04-15得票数 0
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
