知识卡片
F分数合并查准与查全
F1 是精确率 P 与召回率 R 的调和平均 2PR/(P+R)。一项很低会明显拉低分数。两个模型分别为 (0.8, 0.6) 与 (0.6, 0.8) 时,F1 都约为 0.686。若漏报更难接受,可以用 F2 加重召回率。若误报成本更高,可考虑 F0.5。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 机器学习模型的度量指标 · 查看原书依据
F1认为Recall和Precision的权重是一样的
参考来源
- 位置:《机器学习观止:核心原理与实践》第03章《机器学习模型的度量指标》(来源项目 book-source,`extracted/机器学习观止:核心原理与实践/_epub-src/OEBPS/Text/chapter3.xhtml`)。
- 结论依据:原文表 3-2 对比互换精确率和召回率的两个模型。书中 F1 图片把分母误排成乘积,以 [scikit-learn 的 F1 定义](https://scikit-learn.org/1.3/modules/generated/sklearn.metrics.f1_score.html) 更正。
- 原始内容:F1认为Recall和Precision的权重是一样的