技術共有

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

F1 スコアは、分類モデルのパフォーマンスを測定する指標であり、極端に不均衡なデータ セットの処理に特に適しています。値が大きいほど、パフォーマンスが向上します。
計算式：
F1 スコアは、精度と再現率の調和平均です。
$\ast \ast ふ1スコア=2\times \frac{p記録私s私oん\times Rec1つのll}{p記録私s私oん+Rec1つのll}\ast \ast$
では、精度と再現率とは何でしょうか?
精度: モデルによって陽性と予測されたサンプルのうち、実際に陽性であるサンプルの割合。
再現率(再現率): 実際に陽性クラスであり、モデルによって陽性クラスとして正しく予測されるサンプルの割合。
次のように計算されます。
$ポ記録私s私oん=\frac{TP}{TP+FP}$
$Rec1つのll=\frac{TP}{TP+翻訳}$
例えば：

TPとは何ですか？ FP？ FN？
TP (True Positive): モデルが陽性クラスを予測し、実際に陽性クラスである例が 2 つあります。
FP (偽陽性): モデルは陽性クラスを予測しますが、実際には陰性クラスです。例は 1 件あります。
FN (偽陰性): モデルは陰性クラスを予測しますが、実際には陽性クラスです。ここには1があります。
$ポ記録私s私oん=\frac{TP}{TP+FP}=\frac{2}{2+1}=0.67$
$Rec1つのll=\frac{TP}{TP+翻訳}=\frac{2}{2+1}=0.67$
$ふ1スコア=2\times \frac{ポ記録私s私oん\times Rec1つのll}{ポ記録私s私oん+Rec1つのll}=2\times \frac{0.67\times 0.67}{0.67+0.67}=0.67$

再現率と正確性はそれぞれどのような質問に答えますか?？
リコール: まったくはい実はポジティブタイプサンプルでは、陽性と予測されるの！
したがって、答えは、すべての肯定的なサンプルのうち、モデルによって正しく認識されるサンプルがいくつあるかということです。
精度: まったくはい陽性と予測されるサンプルでは、実はそれもポジティブです比率の。
したがって、答えは次のとおりです。陽性であると予測されたすべてのサンプルのうち、陽性であるサンプルはいくつありますか?