Mittelung der Präzision und des Rückrufs bei Verwendung der Kreuzvalidierung

Ich habe eine Klassifizierung unter Verwendung mehrerer Klassifizierer für Daten mit 2 Klassen durchgeführt und eine 5-fache Kreuzvalidierung verwendet. Für jede Falte berechnete ich tp, tn, fp und fn. Dann berechnete ich die Genauigkeit, Präzision, Rückruf und F-Punktzahl für jeden Test. Meine Frage ist, wenn ich die Ergebnisse mitteln möchte, habe ich den Durchschnitt der Genauigkeiten genommen, aber kann ich auch die Präzision, den Rückruf und den F-Score mitteln? Oder wäre das mathematisch falsch? PS Die in jeder Falte verwendeten Datensätze sind in Bezug auf die Anzahl der Instanzen pro Klasse gut ausgewogen.

Vielen Dank.

classification cross-validation precision-recall Kalaji
quelle

Ich bin auf dasselbe Problem bei der Berechnung des F-Maßes (harmonisches Mittel der Präzision und des Rückrufs) mithilfe der Kreuzvalidierung gestoßen. In diesem Artikel haben sie tatsächlich gezeigt, dass die Berechnung des F-Maßes für den gesamten Satz und nicht die Mittelung die weniger voreingenommene Methode ist. Ich hoffe, das kann helfen

Papafe

@markusian Bitte füge dies als Antwort hinzu! Es ist bei weitem das Wichtigste auf dieser Seite !!

Drevicko

Antworten:

$F$

{F.}_{1} = 2 \cdot \frac{Präzision \cdot erinnern}{Präzision + erinnern}

$F_1 = 2\cdot\frac{\textrm{precision} \cdot \textrm{recall}}{\textrm{precision} + \textrm{recall}}$

F_{β}

$F_\beta$

β

$\beta$

{F.}_{β} = (1 + β^{2}) \frac{Präzision \cdot erinnern}{(β^{2} \cdot Präzision) + erinnern}

$F_\beta = (1+\beta^2) \frac{\textrm{precision} \cdot \textrm{recall}}{(\beta^2 \cdot\textrm{precision}) + \textrm{recall}}$

F

$F$

$t$ $F$ $F$

Matt Krause
quelle

Ja, ich habe die erste Formel verwendet. Dies bedeutet, dass die Mittelung des F-Scores aus den verschiedenen Tests ähnliche Ergebnisse liefert wie die Mittelung der Genauigkeit und des Abrufs und die anschließende Berechnung des F-Scores aus diesen. Ich habe es mit den Ergebnissen versucht, die ich habe, und es war fast das gleiche. Vielen Dank.

Kalaji