← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 7259.g · 生成模型:WorkBuddy (Claude)

F1-score与P-R曲线

理解等级:中级

精准率与召回率通常此消彼长:阈值越大精准率越高、召回率越低。遍历 [0,1] 上的阈值,把每个点的(召回率, 精准率)画在二维图上就是 P-R 曲线。F1-score 用调和平均数综合两者,在 P-R 曲线上找使二者同时最优的平衡点(图 4-2 的 m 点)。F1 越高,精准率与召回率会不同程度提高直至收敛。使用要点:P-R 曲线和 F1 都依赖选定阈值,因此不同阈值下数值会变;P-R 曲线在不均衡时比 ROC 更能反映少数类性能。与 AUC 相比,F1 是单点指标、AUC 是整体排序指标。相关卡见 [[准确率精准率召回率与不均衡]]、[[ROC曲线与AUC]]。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《推荐系统全链路设计:原理解读与业务实践》第4章《为推荐系统选择评价指标》(来源项目book-sources;extracted/推荐系统全链路设计:原理解读与业务实践/_epub-src/converter-master/example/312287/42.html;src-025) - 结论依据:原文说明精准率与召回率反比、遍历阈值得 P-R 曲线,F1 用调和平均取二者最优平衡点,支撑本卡。 - 原始内容:图4-2 P-R曲线 F1-score评价指标综合了精准率和召回率,在二者之间找出一个最优平衡点,也就是图4-2中的 m 点,让精准率和召回率同时达到当前最优