多分類評估m(xù)acroF1和microF1計算方式與適用場景_第1頁
多分類評估m(xù)acroF1和microF1計算方式與適用場景_第2頁
多分類評估m(xù)acroF1和microF1計算方式與適用場景_第3頁
全文預覽已結束

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、多分類評估-macroF和microF計算方式與適用場景1.原理介紹1.1簡介macroF和microF1是：2種多分類的效果評估指標1.2舉例說明計算方法假設有以下三分類的es結果：labelA、B、Csamples：iz9eF1score下面計算各個類別的準召：對于類別：precision=2/(2+0)=100%recall=2/(2+2)=50%對于類別：precision=2/(2+2)=50%recall=2/(2+1)=67%對于類別：precision=1/(1+2)=33%recall=1/(1+1)=50%對于準召的計算而言是不需要的，因此上面的表格中未統(tǒng)計該值。下面調用s

2、eO的a進行驗證：romslearn.metricsimportclassification_reportprintclassification_report(00,1,1,1,2,2,0,1,2,1,1,2,1,2recisionrecallf1-scoresupport1.000.500.6710.500.670.5720.330.500.402av：/total0.690.560可以看出，各個類別的準召計算完全一致。MicroF1micro不需要區(qū)分類別，直接使用總體樣本的準召計算Iscore對于樣本整體：recisio.reca.F12下面調用e的ar進行驗證roar.rcor1cor

3、1cor111221211212aracro可以看出，計算結果也是一致的保留精度問題。MacroF1不同于cro,macro需要先計算出每一個類別的準召及其1cor然后通過求均值得到在整個樣本上的1cor類別的：類別的:類別的:整體的為上面三者的平均值：F1.2.33.調用的ar進行驗證：from,sklearn.metrics,import,f1_scoref1_score(0,0,0,0,1,1,1,2,2,0,0,1,2,1,1,2,1,2,average=macro)0.546031746031746可見，計算結果正確。,適用場景micro-F1計算方法：計算所有類別總的rc和oca然后算F1值；效果特點：考慮不同類樣本數(shù)量，當樣本不均衡時，更容易受到常見類別的影響適用場景：注重樣本真實分布，只考慮全局效果marco-F1計算方法：單獨計算每個類別的F1值，然后取各類F1的平均值；效果特點：不考慮不同類樣本數(shù)量，1)相對更考慮稀有類別的影響；2

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論