多分类f1分数_Micro-F1和Micro-F1
骆逸
于 2020-12-30 16:27:27 发布
阅读量1.8k
收藏
3
点赞数
本文详细介绍了多分类任务中的评估指标，包括Precision、Recall和F1 Score。重点讨论了Micro-F1和Macro-F1的区别，Micro-F1适用于数据不平衡情况，考虑所有类别的总和；而Macro-F1则对各类别平等对待，适合观察各分类表现。
1. Precision和Recall的计算
（1）Precision（精确率）：被认为正的样本中，实际上有多少是正的。
也就是说，该指标用于衡量：在预测出来为正的样本中，有多少是正确预测的。
（2）Recall（召回率）：原本为正的样本中，有多少被找出来了。
也就是说，该指标用于衡量：在样本空间中实际为正的样本中，有多少被正确预测出来。
可见，在上述两式中，只有分母不同，一个分母是预测为正的样本数，另一个是原来样本中所有的正样本数。</
最低0.47元/天 解锁文章
扫一扫
暂无认证
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
