首先,明确一个概念,精确率(Precision)和召回率(Recall)并不是只有在目标检测中才有的,是所有任务涉及到分类的都有。而且P和R是针对于每一类来说的,每一个类别都有自己的准确率和召回率,计算每一个类别时,该样本即为正样本,其他样本统一为负样本来计算。
首先,先说F1 score,它其实是用来评价二元分类器的度量。
F1是针对二元分类的,那对于多元分类器,有没有类似F1 score的度量方法呢?那就是这里提到的micro-F1和macro-F1
macro-F1
其实很简单,就是针对于每个类计算他的精确率和召回率,求平均,然后再按照F1-score公式计算即可。
micro-F1
其实也不难,就是将所有的类的精确率和召回率一起计算。
之后,再按照F1-score的公式计算即可。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
发布者:全栈程序员栈长,转载请注明出处:https://javaforall.cn/183681.html原文链接:https://javaforall.cn