当负面类很少时，F得分

Question

我有数据集，其中20％的数据是负类，80％是正数。在计算F得分时，我假设精度是TP /（TP + FP）。我应该反过来吗？公式，因为我不太频繁的课程是负面的？那么这将是TN /（TN + FN）？

Answer 1

首先，你所写的不是F1得分。那就是精确！

要计算F1得分，请设置精度= TP /（TP + FP）并调用= TP /（TP + FN）。他们的调和意味着F1得分。因此，F1 = 2 *（P * R）/（P + R）。 See this for further details.

你可以为每个类计算这些值，看看你在分类任务中的表现如何。如果你想为负类计算它，你最终会得到的就像你说的计算真正的负面例子而不是真实的例子。请注意，真正的积极意味着正确地分类为感兴趣的类别。它与类值无关。

最后，您还可以计算两个类的精度，召回率和f1，并取其平均值。这一切最终都取决于您想要如何判断分类器的性能。如果准确地对负面实例进行分类更为重要，那么你应该专注于为负面实例提供高精度（当然不会搞砸其他类！）同样适合召回。