1回答
我正在开发一个机器学习科学工具包-学习模型上的不平衡数据集(二进制分类)。看看混淆矩阵和F1分数，我期望一个较低的平均精度得分，但我几乎得到一个完美的分数，我不知道为什么。这是我得到的输出：[[6792 199]F1评分: 0.63我是给予avg精确评分功能<
浏览 6提问于2022-05-02得票数 -1
关于如何用来自https://blog.keras.io/building-powerful-image-classification-models-using-very-little-data.html的少量数据制作一个强大的图像分类器，我需要帮助来制作一个共融合矩阵，并获得这个代码的F1分数。这是一个检测肿瘤的图像分类器，数据集都
浏览 13提问于2019-12-03得票数 1
回答已采纳
3回答
如果我有两个分类器，比如神经网络和支持向量机，那么现在我想知道，如果基于分类精度，或者通过分析混淆矩阵或平均精度评分、f1评分等，什么是最好的分类器。我在大多数关于图像分类的论文中都看到，它们只以分类精度为参数来比较不同的模型。
浏览 0提问于2018-02-26得票数 3
1回答
我使用的"classification_report“来自：为了评价一个分类模型。精确、回忆和F1分数的价值是什么？
是精度= 56%还是25%，也适用于回忆和F1评分？
浏览 0提问于2021-09-12得票数 3
1回答
计算ROC曲线验证分割算法的质量
、、、、
结果取决于几个算法参数(假设我进行颜色分割，因此结果取决于所使用的不同颜色空间阈值)。分割的结果是一个二进制掩码。我的问题是:如何计算ROC曲线？a)我正在考虑为算法的每个参数都有一条
浏览 1提问于2015-02-05得票数 0
我正在使用Python，并且有一些混淆矩阵。我想通过多类分类中的混淆矩阵来计算精确度、召回率和f度量。我的结果日志不包含y_true和y_pred，只包含混淆矩阵。你能告诉我在多类分类中如何从混淆矩阵中获得这些分数吗？
浏览 1提问于2018-01-05得票数 7
回答已采纳
1回答
评估评等系统所用的指标
、、、、
我有一个系统，给出工作质量的星级评分( 1-5，1是极差，5是特别好)。一位专家用他们对工作质量的评价给一套测试贴上标签。
5类(1、2、3、4、5)的数据不平衡，极差和特别好评级的样本很少。是否有一个指标可以考虑到，如果系统将质量极差的工作评为非常好或特别好，则应给予更多的惩罚，而不是将极差的评级评为差或差或平均？再一次，由于不平衡的类别分布，直截了当的准确性并不是最好的衡量标准。
浏览 0提问于2021-01-25得票数 1
我正在尝试使用F1分数来进行多类分类中的模型选择。我按类计算它们并对其求平均值：(F1(class1)+F1(class1)+F1(class1))/3 =F1(总数)这意味着当我计算第一个类的精度(计算F1<e
浏览 2提问于2017-07-21得票数 1
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和召回率。例如，如果我们有一个由1000个实例组成的数据集，我们可以得到1000
浏览 19提问于2017-08-10得票数 1
回答已采纳
2回答
我有4类动物王国分类的应用:1->无脊椎动物；2->眩晕动物；3->哺乳动物；4->两栖动物。给出混合图像，目的是正确识别哺乳动物。在这个例子的混淆矩阵中，TP是否表示3类(哺乳动物)？Q1:那么，一般来说TP是最有意义的类类别吗？如果所有类都同等重要，那么如何表示TP和TN？
Q2:如何计算F1分数？每节课都要分开做吗？如果那样的话，每个类都会有多个TN的w.r.t !！
浏览 0提问于2019-09-17得票数 4
回答已采纳
我有一个分类的问题！我建立了两个模型，一个是逻辑回归模型，另一个是随机森林模型。我试着打印"classification_report“，我得到了下面的两张图片？哪个分类做得好？求你了？随机林模型的损失函数为0.17，logistic回归模型的损失函数为0.16
浏览 0提问于2019-04-28得票数 0
我想找出相应的混淆矩阵(二进制分类)，给出一些度量(如精度、灵敏度、精度、F1评分)。acc, sen, pre, f1_score = 68.00, 51.28, 80.00, 62.50
是否有办法找出各自的混淆矩阵？
浏览 4提问于2022-03-30得票数 -1
1回答
我用conv网络对图像进行分类。多类问题(有12类)
我的训练集是3500图像，类非平衡(例如A级=1200幅图像，B级= 50幅图像)。我使用类权重来对抗不平衡和数据增强。编辑数据增强是与角函数，只是旋转和翻转。然后，我做了不同的分割，每次不同的训练/验证和测试数据结果是稳定的，=>我的度量(微F1分数)在不同的</em
浏览 0提问于2019-06-04得票数 0
回答已采纳
何时应该使用ROC曲线(AUC)下的面积或混淆矩阵进行分类器的评估？例如，对客户的预测是对未来销售的预测。
浏览 0提问于2018-06-22得票数 4
回答已采纳
如何获得准确率、召回率、混淆矩阵和f1分数？我在深度学习方面是个新手。任何人给我一个资源或帮助我找到信息。
浏览 29提问于2020-09-10得票数 0
1回答
我用它来获得具有5个不同分类的混淆矩阵 y_test_non_category = [ np.argmax(t) for t in y_test ] [ 0, 0, 0, 0, 0, 0],
[ 0, 0, 0, 0, 0, 0]]) 如何计算精确度和F1分数？
浏览 21提问于2020-01-06得票数 1
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
1回答
我想了解为什么少数类("1")的精确召回曲线如此好，而对于同一个类的精度(0,2)和召回(0,4)的度量却如此糟糕。我将sklearn.metrics.plot_precision_recall_curve与pos_label=0 (多数类)和pos_label=1 (少数类)结合使用。下面您可以看到所使用的代码。y_test, folds, 0)
roc_auc2, ap2 = plotagem_curvas ("Random Forest",
浏览 0提问于2021-07-01得票数 1
回答已采纳
2回答
多类分类的评价方法
、、、、
我正在寻找的单一数字评估方法，可以用于考虑不平衡的数据集的多类分类任务。例如，由二进制分类器定义的ROC-AUC是单个数字，并考虑了不平衡的数据集.另一方面，精度是单个数字，定义为多类分类器，不考虑不平衡的数据集。最后，定义了多类的混淆矩阵，考虑到了这一点，但不是单数。是否有符合这三个条件的评价方法？
浏览 0提问于2018-05-05得票数 3
回答已采纳
从阅读中，我了解到，当我们有较少的正面类标签，最好是使用精确或召回作为评价标准。当我们有较少的负样本时，我应该使用哪一种度量？
我在找一种方法，而不是换标签。问题设置:我正在开发参数化的脆弱性函数来预测结构的损坏(例如树)。脆弱函数的一个例子是这里，脆性函数在给定一些参数(如风荷载)的情况下，估计超过某一损伤状态的概率。现在，我们感兴趣的是估计超过给定特征的损伤率的概率。详细说明，任何损害的概率为P
浏览 0提问于2020-11-10得票数 1
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
云直播
对象存储
实时音视频活动推荐
腾讯云开发者
