机器学习 - 模型性能评估

F1度量

F1度量是用于评估分类模型性能的一个综合指标,它同时考虑了查准率(Precision, P)和查全率(Recall, R)。F1度量的公式如下:

F 1 = 2 × P × R P + R F1 = \frac{2 \times P \times R}{P + R} F1=P+R2×P×R

其中,查准率和查全率的定义分别是:

  • 查准率(P): P = T P T P + F P P = \frac{TP}{TP + FP} P=TP+FPTP
  • 查全率(R): R = T P T P + F N R = \frac{TP}{TP + FN} R=TP+FNTP

其中,TP(True Positive)是真正例,FP(False Positive)是假正例,FN(False Negative)是假负例。

F1度量也可以写成:

F 1 = 2 × T P 样例总数 + T P − T N F1 = \frac{2 \times TP}{\text{样例总数} + TP - TN} F1=样例总数+TP−TN2×TP

在右上角,还给出了F1的倒数形式:

1 F 1 = 1 2 ( 1 P + 1 R ) \frac{1}{F1} = \frac{1}{2} \left( \frac{1}{P} + \frac{1}{R} \right) F11=21(P1+R1)

加权F度量(Fβ)

如果我们对查准率和查全率有不同的偏好,可以使用加权F度量(Fβ),其中β是一个权重参数。Fβ的公式为:

F β = ( 1 + β 2 ) × P × R ( β 2 × P ) + R F_{\beta} = \frac{(1 + \beta^2) \times P \times R}{(\beta^2 \times P) + R} Fβ=(β2×P)+R(1+β2)×P×R

其中,β的值决定了查准率和查全率的权重:

  • 当β > 1时,查全率的权重更大。
  • 当β < 1时,查准率的权重更大。

在图片中,还给出了Fβ的倒数形式:

1 F β = 1 1 + β 2 ( 1 P + β 2 R ) \frac{1}{F_{\beta}} = \frac{1}{1 + \beta^2} \left( \frac{1}{P} + \frac{\beta^2}{R} \right) Fβ1=1+β21(P1+Rβ2)

这个公式可以帮助我们理解在不同的β值下,查准率和查全率对Fβ的贡献。

总结:

  • F1度量 是查准率和查全率的调和平均。
  • 加权F度量(Fβ) 允许我们对查准率和查全率给予不同的权重。
相关推荐
阿坡RPA12 小时前
手搓MCP客户端&服务端:从零到实战极速了解MCP是什么?
人工智能·aigc
用户277844910499312 小时前
借助DeepSeek智能生成测试用例:从提示词到Excel表格的全流程实践
人工智能·python
机器之心12 小时前
刚刚,DeepSeek公布推理时Scaling新论文,R2要来了?
人工智能
算AI14 小时前
人工智能+牙科:临床应用中的几个问题
人工智能·算法
凯子坚持 c15 小时前
基于飞桨框架3.0本地DeepSeek-R1蒸馏版部署实战
人工智能·paddlepaddle
你觉得20515 小时前
哈尔滨工业大学DeepSeek公开课:探索大模型原理、技术与应用从GPT到DeepSeek|附视频与讲义下载方法
大数据·人工智能·python·gpt·学习·机器学习·aigc
8K超高清16 小时前
中国8K摄像机:科技赋能文化传承新图景
大数据·人工智能·科技·物联网·智能硬件
hyshhhh16 小时前
【算法岗面试题】深度学习中如何防止过拟合?
网络·人工智能·深度学习·神经网络·算法·计算机视觉
薛定谔的猫-菜鸟程序员16 小时前
零基础玩转深度神经网络大模型:从Hello World到AI炼金术-详解版(含:Conda 全面使用指南)
人工智能·神经网络·dnn
币之互联万物16 小时前
2025 AI智能数字农业研讨会在苏州启幕,科技助农与数据兴业成焦点
人工智能·科技