我有4个分类器（已经过训练），用于4级分类问题。对于给定的数据集，我有每个分类器的输出，以及每个类的Recall，Precision和F1分数。
考虑到某些分类器在特定类别中具有比其他分类器更高的f1分数，最好的算法（或可用的现有算法）将这些分类器的预测结合起来得到1个单一的最终预测？
修改
我的主要问题是某些分类器对特定的类有更好的F1。
所以我们假设Classifier1（C1）预测了A类，A类的f1为0.90。然后Classifier2（C2）预测了B类，B类的f1为0.80。
我的第一个想法是根据其较高的f1选择C1预测，但是如果我们也知道C2对A类的f1得分为0.999怎么办？如果C2擅长预测A级（甚至比C1更好）但没有预测它，那么这应该会增加真实级别不是A的可能性。我相信。
另一方面，如果C2对于A类的f1非常低，那么它应该更有可能使真正的类别为A，这不仅因为C1预测了A并且它擅长它，而且因为C2不是善于预测该课程解释为什么它可能无法检测到它
我不确定如何在实践中处理这些问题。
答案 0 :(得分：0)
一种方法是等待投票，其中来自具有最高f1分数的分类器的投票具有最高权重。然后你只需选择金额最高的班级。