Compartir tecnología

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

La puntuación F1 es un indicador que mide el rendimiento de un modelo de clasificación. Es especialmente adecuado para procesar conjuntos de datos extremadamente desequilibrados. El valor de la puntuación F1 varía de 0 a 1. Cuanto mayor sea el valor, mejor será el rendimiento.
Fórmula de cálculo:
La puntuación F1 es la media armónica de precisión y recuperación.
$\ast \ast F1puntaje=2\times \frac{pagagRecreoisionorteorteorteorteorteorte\times RCEatodos}{pagagRecreoisionorteorteorteorteorteorte+RCEatodos}\ast \ast$
Entonces, ¿qué son la precisión y la recuperación?
Precisión: La proporción de muestras predichas como positivas por el modelo que en realidad son positivas.
Recuperación (tasa de recuperación): La proporción de muestras que en realidad son de clase positiva y que el modelo predice correctamente como clase positiva.
Calculado de la siguiente manera:
$PAGAGAGAGRecreoisionorteorteorteorteorteorte=\frac{TP}{TP+FP}$
$RCEatodos=\frac{TP}{TP+Enero\; 2016}$
P.ej:

¿Qué es el TP? ¿FP? FN？
TP (verdadero positivo): el modelo predice una clase positiva y en realidad es una clase positiva. Hay 2 ejemplos.
FP (falso positivo): el modelo predice una clase positiva, pero en realidad es una clase negativa. Hay 1 ejemplos.
FN (falso negativo): el modelo predice una clase negativa, pero en realidad es una clase positiva. Hay 1 aquí.
$PAGAGAGAGRecreoisionorteorteorteorteorteorte=\frac{TP}{TP+FP}=\frac{2}{2+1}=0.67$
$RCEatodos=\frac{TP}{TP+Enero\; 2016}=\frac{2}{2+1}=0.67$
$F1puntaje=2\times \frac{PAGAGAGAGRecreoisionorteorteorteorteorteorte\times RCEatodos}{PAGAGAGAGRecreoisionorteorteorteorteorteorte+RCEatodos}=2\times \frac{0.67\times 0.67}{0.67+0.67}=0.67$

¿Qué preguntas responden la memoria y la precisión respectivamente?？
Recordar: si en absolutoTipo realmente positivoEn la muestra,Se prevé que sea positivo¡de!
Por tanto, la respuesta es: entre todas las muestras positivas, cuántas son reconocidas correctamente por el modelo.
Precisión: Sí en absolutoSe prevé que sea positivoEn la muestra,De hecho, también es positivo.de proporción.
Por lo tanto, la respuesta es: Entre todas las muestras que se predice que serán positivas, ¿cuántas son positivas?