Ich habe mich gefragt, ob irgendjemand den Unterschied zwischen ausgewogener Genauigkeit erklären kann
b_acc = (sensitivity + specificity)/2
und f1 Punktzahl, die ist:
f1 = 2*precision*recall/(precision + recall)
quelle
Ich habe mich gefragt, ob irgendjemand den Unterschied zwischen ausgewogener Genauigkeit erklären kann
b_acc = (sensitivity + specificity)/2
und f1 Punktzahl, die ist:
f1 = 2*precision*recall/(precision + recall)
Mathematisch ist b_acc das arithmetische Mittel von Recall_P und Recall_N und f1 ist das harmonische Mittel von Recall_P und Präzision_P.
Sowohl F1 als auch b_acc sind Metriken für die Klassifikatorbewertung, die (in gewissem Maße) das Klassenungleichgewicht handhaben. Je nachdem, welche der beiden Klassen (N oder P) die andere übertrifft, übertrifft jede Metrik die andere.
1) Wenn N >> P, ist f1 besser.
2) Wenn P >> N, ist b_acc besser.
Wenn Sie die Beschriftung wechseln können, können beide Metriken in jedem der beiden oben genannten Ungleichgewichtsfälle verwendet werden. Wenn nicht, können Sie je nach Ungleichgewicht in den Trainingsdaten die entsprechende Metrik auswählen.