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
滑水滑成滑头23 分钟前
**标题:发散创新:智能交通系统的深度探究与实现**摘要:本文将详细
java·人工智能·python
海云安1 小时前
海云安入选安全牛《企业级AI大模型落地实战技术应用指南(2025版)》优秀案例
人工智能·安全
周杰伦_Jay1 小时前
【PaddleOCR深度解析与DeepSeek-OCR对比】开源OCR工具库的技术路线与场景适配
人工智能·机器学习·云原生·架构·开源·ocr
互联网江湖1 小时前
自动驾驶,走出青春期
人工智能
国科安芯1 小时前
ASP3605A电源芯片在高速ADC子卡中的适配性研究
网络·人工智能·单片机·嵌入式硬件·安全
曾经的三心草1 小时前
深度学习9-循环神经网络
人工智能·rnn·深度学习
Cathy Bryant1 小时前
线性代数直觉(二):二次型与“正定”
笔记·神经网络·考研·机器学习·数学建模
小小管写大大码1 小时前
AI重排序API:优化搜索相关性
数据库·人工智能
OG one.Z1 小时前
07_朴素贝叶斯
人工智能·机器学习
智能相对论2 小时前
把AI装进OS、批量落地智慧服务,智能手机革命2.0来了
人工智能·智能手机