기술나눔

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

F1-점수는 분류 모델의 성능을 측정하는 지표로, 특히 불균형이 심한 데이터 세트를 처리하는 데 적합합니다. F1-점수 값의 범위는 0부터 1까지입니다. 값이 클수록 성능이 좋습니다.
계산 공식:
F1 점수는 정밀도와 재현율의 조화 평균입니다.
$\ast \ast 에프1점수=2\times \frac{피기록하다나에스나영형N\times 아르\; 자형에크ㅏ나는}{피기록하다나에스나영형N+아르\; 자형에크ㅏ나는}\ast \ast$
그렇다면 정밀도와 재현율이란 무엇일까요?
정도: 모형에 의해 양성으로 예측된 ​​표본 중 실제로 양성인 표본의 비율입니다.
리콜(리콜율): 실제로 양성 클래스이고 모델에 의해 양성 클래스로 올바르게 예측된 샘플의 비율입니다.
다음과 같이 계산됩니다.
$피기록하다나에스나영형N=\frac{티피}{티피+FP}$
$아르\; 자형에크ㅏ나는=\frac{티피}{티피+FN}$
예를 들어:

TP란 무엇입니까? FP? FN？
TP(True Positive): 모델이 양성 클래스를 예측하며 실제로는 양성 클래스입니다.
FP(False Positive): 모델은 양성 클래스를 예측하지만 실제로는 음성 클래스입니다. 1개의 예시가 있습니다.
FN(False Negative): 모델이 네거티브 클래스를 예측하지만 실제로는 포지티브 클래스입니다. 여기에는 1개가 있습니다.
$피기록하다나에스나영형N=\frac{티피}{티피+FP}=\frac{2}{2+1}=0.67$
$아르\; 자형에크ㅏ나는=\frac{티피}{티피+FN}=\frac{2}{2+1}=0.67$
$에프1점수=2\times \frac{피기록하다나에스나영형N\times 아르\; 자형에크ㅏ나는}{피기록하다나에스나영형N+아르\; 자형에크ㅏ나는}=2\times \frac{0.67\times 0.67}{0.67+0.67}=0.67$

재현율과 정밀도는 각각 어떤 질문에 대답합니까?？
회상: 전혀 그렇습니다실제로 긍정적인 유형샘플에서는긍정적일 것으로 예측됨의!
따라서 대답은 다음과 같습니다. 모든 긍정적인 샘플 중에서 모델이 올바르게 인식한 샘플은 몇 개입니까?
정확도: 전혀 그렇습니다긍정적일 것으로 예측됨샘플에서는실제로도 긍정적이다비율의.
따라서 대답은 다음과 같습니다. 양성으로 예측된 ​​모든 샘플 중에서 양성인 샘플은 몇 개입니까?