F1 score,micro F1score,macro F1score 的定義

F1 score,micro F1score,macro F1score 的定義

2018年09月28日 19:30:08 wanglei_1996 閱讀數 976

 

本篇博客可能會繼續更新

最近在文獻中常常看到precesion,recall，經常忘記了他們的定義，在加上今天又看到評價多標籤分類任務性能的度量方法micro F1score和macro F2score。決定再把F1 score一併加進來把定義寫清楚，忘記了再來看看。

F1score

F1score(如下簡稱F1)是用來評價二元分類器的度量，它的計算方法以下：

 

F1是用來衡量二維分類的，那形容多元分類器的性能用什麼呢？micro F1score,和macro F2score則是用來衡量多元分類器的性能。

 

假設對於一個多分類問題，有三個類，分別記爲一、二、3，

TPi是指分類i的True Positive；
FPi是指分類i的False Positive；
TNi是指分類i的True Negative；
FNi是指分類i的False Negative。

咱們分別計算每一個類的精度(precision)

macro 精度 就是全部分類的精度平均值

一樣，每一個類的recall計算爲

macro 召回就是全部分類的召回平均值

套用F1score的計算方法,macro F1score就是

micro F1score

假設對於一個多分類問題，有三個類，分別記爲一、二、3，

TPi是指分類i的True Positive；
FPi是指分類i的False Positive；
TNi是指分類i的True Negative；
FNi是指分類i的False Negative。
接下來，咱們來算micro precision

相應的micro recall則是

則micro F1score爲

總結

若是各個類的分佈不均衡的話，使用micro F1score比macro F1score 比較好，顯然macro F1score沒有考慮各個類的數量大小

參考
該網址一位答主的回答，我搬運過來