F1-score值计算
F1分数(F1 Score),是统计学中用来衡量二分类模型精确度的一种指标。它同时兼顾了分类模型的精确率和召回率。F1分数可以看作是模型精确率和召回率的一种加权平均,它的最大值是1,最小值是0。
1. TP、TN、FP、FN解释说明
真实情况 | 预测结果 | |
正例 | 反例 | |
正例 | TP(真正例) | FN(假反例) |
反例 | FP(假正例) | TN(真反例) |
- 行表示预测的label值,列表示真实label值
- TP:True Positive, 被判定为正样本,事实上也是正样本。
- FP:False Positive,被判定为正样本,但事实上是负样本。
- TN:True Negative, 被判定为负样本,事实上也是负样本。
- FN:False Negative,被判定为负样本,但事实上是正样本。
2. precision 和 recall 的计算
- Accuracy:表示预测结果的精确度,预测正确的样本数除以总样本数。
- precision: 准确率,又称为查准率,表示预测结果中,预测为正样本的样本中,正确预测为正样本的概率;
- recall: 召回率,又称为查全率,表示在原始样本的正样本中,最后被正确预测为正样本的概率;
3. 分类模型的评估方法-F分数(F-Score)
精确率(Precision)和召回率(Recall)评估指标,理想情况下做到两个指标都高当然最好,但一般情况下,Precision高,Recall就低,Recall高,Precision就低。
4. P-R曲线、平均精度(Average-Precision,AP)
P-R图直观地显示出学习器在样本总体上的查全率、查准率.总体趋势,精度越高,召回越低,进行比较
- 若一个学习器的P-R曲线被另一个学习器的曲线完全“包住”,则可断言后者的性能优于前者,如图中学习器A的性能优于学习器C;
- 如果两个学习器的P-R曲线发生了交叉,如图中的A与B,则难以一般性地断言两者孰优孰劣? 只能在具体的查准率或查全率条件下进行比较.
“平衡点”(Break Event Point,简称BEP )就是这样一个度量,它是“查准率=查全率”时的取值, 如图中学习器C的BEP 是0.64, 而基于BEP的比较,可认为学习器A 优于B.
但BEP 还是过于简化了些,更常用的是Fl 度量
5. 分类模型的评估方法-F分数(F-Score)
精确率(Precision)和召回率(Recall)评估指标,理想情况下做到两个指标都高当然最好,但一般情况下,Precision高,Recall就低,Recall高,Precision就低。
所以在实际中常常需要根据具体情况做出取舍,例如一般的搜索情况,在保证召回率的条件下,尽量提升精确率。而像癌症检测、地震检测、金融欺诈等,则在保证精确率的条件下,尽量提升召回率。引出了一个新的指标F-score,综合考虑Precision和Recall的调和值.
- 当
β=1
时,称为F1-score
或者F1-Measure
,这时,精确率和召回率都很重要,权重相同。 - 当有些情况下,我们认为精确率更重要些,那就调整
β
的值小于1, - 如果我们认为召回率更重要些,那就调整
β
的值大于1。
F1指标(F1-score):F1-score表示的是precision和recall的调和平均评估指标。
举个例子:癌症检查数据样本有10000个,其中10个数据祥本是有癌症,其它是无癌症。假设分类模型在无癌症数据9990中预测正确了9980个,在10个癌症数据中预测正确了9个,此时真阳=9,真阴=9980,假阳=10,假阴=1。
Accuracy = 99.89%
Precision = 47.3%
Recall = 90%
F1-Scoce = 62%
F2-Score = 76.2%
本文部分内容来自一位前辈,非常感谢分享!谢谢!
F1-score值计算相关推荐
- 机器学习中精准度、召回率、准确率、F1 Score、G分数计算学习笔记
目录 1.基本符号表示 2.类别下的精准度计算(precision) 3.类别下的召回率计算(recall) 4.准确率的计算(accuracy) 5.F1 Score 6.G分数 1.基本符号表示 ...
- TP、TN、FP、FN、Recall、Miss Rate、MCC、F1 Score 等指标计算
对一个二分类问题,实际取值只有正.负两例,而实际预测出来的结果也只会有0,1两种取值.如果一个实例是正类,且被预测为正类,就是真正类(True Positive),如果是负类,被预测为正类,为假正类( ...
- sklearn计算准确率、精确率、召回率、F1 score
目录 混淆矩阵 准确率 精确率 召回率 P-R曲线 F1 score 参考资料 分类是机器学习中比较常见的任务,对于分类任务常见的评价指标有准确率(Accuracy).精确率(Precision).召 ...
- R语言计算F1评估指标实战:F1 score、使用R中caret包中的confusionMatrix()函数为给定的logistic回归模型计算F1得分(和其他指标)
R语言计算F1评估指标实战:F1 score.使用R中caret包中的confusionMatrix()函数为给定的logistic回归模型计算F1得分(和其他指标) 目录
- 『NLP学习笔记』Sklearn计算准确率、精确率、召回率及F1 Score
Sklearn计算准确率.精确率.召回率及F1 Score! 文章目录 一. 混淆矩阵 1.1. 混淆矩阵定义 1.2. 例子演示 二. 准确率 2.1. 准确率定义 2.2. 例子演示 三. 精确率 ...
- F1 score的意义
F1 score是一个平均数:对精确率与召回率进行平均的一个结果: 平均算法有四个,如图所示: 调和平均数:Hn=n/(1/a1+1/a2+...+1/an) 几何平均数:Gn=(a1a2...an) ...
- YOLOv5的参数IOU与PR曲线,F1 score
YOLOv5的参数IOU与PR曲线,F1 score conf_thres Confidence Threshold,置信度阈值. 只显示预测概率超过conf_thres的预测结果.想让YOLO只标记 ...
- 机器学习指标(Precision、Recall、mAP、F1 Score等)
以下文章摘录自: <机器学习观止--核心原理与实践> 京东: https://item.jd.com/13166960.html 当当:http://product.dangdang.co ...
- f1 score与f2 score的区别
beta值代表1或者2 beta=1,f1 score beta=2,f2 score
最新文章
- Servlet Listener
- springmvc+mybatis+html 下将查询数据以excell形式上传到ftp(下)
- mysql-5.2 lib_Centos 5.2下安装多个mysql数据库配置详解
- python学习笔记 day25 封装
- Web项目中引进EasyUI的路径问题
- mysql 过程 的函数的区别是什么意思_Mysql中存储过程和函数的区别是什么
- 新浪微博api(.net)时间格式问题
- windows service 2008 内存吃尽解决方案
- 了结对编程和飞鸽传书
- 刷机-升级到4.01M33-2的方法
- QT入门学习(一):什么是QT
- 美图秀秀 web开发图片编辑器
- js切换图片会闪动_js 图片闪动,间隔几分钟闪动一下
- driver: linux下如何模拟按键输入和模拟鼠标
- systemd 知:介绍
- Python入门基础总结笔记——正则表达式
- Java菜鸟到大牛学习路线之高级篇
- 抖音吸粉_抖音上热门快速吸粉的6个方法,新手建议收藏看看
- Twitter的推荐系统开源了,Twitter的推荐系统是什么样的呢?Twitter推荐系统的架构说明
- java动物声音模拟器_动物声音模拟器app|动物声音模拟器下载_v9.2.3_9ht安卓下载...
热门文章
- 充电电流的大小是谁决定的?
- 持续集成(第二版)[来自:Martin Fowler]
- 用Mpvue开发微信小程序,微信语音聊天
- 阿里云互动课堂解决方案助力淘宝教育,打造普惠教育平台
- python社区发现对gml文件的分析,用Python将gml文件中边的信息输出为csv(或者txt)格式...
- MPEG DASH MPD文件字段解释
- 与苹果和谷歌抗争堡垒创造者发动了远征
- 中国大学MOOC C语言程序设计(大连理工大学) 课后编程题 第十二周题解(个人向仅供参考)
- 怎么用视频转换器把mp4转换成mp3
- 小学数学动画 android,小学数学课堂app下载-小学数学课堂 安卓版v2.2.0-PC6安卓网...