评价指标之Micro-F1与Macro-F1
每天给你送来NLP技术干货!
来源:https://zhuanlan.zhihu.com/p/274568639
作者:懒杰一点也不懒
1. Precision和Recall
名称 | 释义 |
---|---|
TP (True Positive) | 真阳性:预测为正,实际也为正 |
FP (False Positive) | 假阳性:预测为正,实际却为负 |
TN (True Negative) | 真阴性:预测为负,实际也为负 |
FN (False Negative) | 假阴性:预测为负,实际却为正 |
TP、FP、TN、FN等统计指标可用于计算Precision(精确率)和 Recall(召回率)及Accuracy(准确率)。
1.1 Precision(精确率)
Precison(精确率)即在被判定为正的样本中,实际上为正的样本所占的比例:
换句话说,Precision指标用于衡量的是:在预测出来为正的样本中,有多少是被正确预测的。
1.2 Recall(召回率)
Recall(召回率)即原本为正的样本中被被判定为正的样本所占的比例。
与Precision计算不同,计算Precision时分母表示预测为正的样本数,而计算Recall时分母为原来样本中所有的正样本数。
换句话说,Recall指标用于衡量的是:在实际为正的样本中,有多少被正确预测出来。
1.3 Accuracy(准确率)
Accurary(准确率)即在所有样本中分类结果正确的样本所占的比例:
2. Micro-F1 vs Macro-F1
2.1 F1 Score计算公式
F1值可根据Precision和Recall计算,Micro-F1(微观F1)和Macro-F1(宏观F1)都是F1值合并后的结果,主要用于多分类任务的评价。
F1-Score(F1分数或F1-Measure)是分类任务的一个衡量指标,用于权衡Precision和Recall。换句话说,F1-Score是精确率和召回率的调和平均数:
2.2 Micro-F1
假设第类预测正确的总个数为,预测错误的总个数为,实际为该类却未被预测到的总个数为。先计算出所有类别的总的Precision和Recall:
然后利用F1计算公式计算出值即为Micro-F1值:
需要注意的是因为Micro-F1考虑了各类别的数量,所以更适用于数据分布不平衡的情况。但是在这种情况下,数量较多的类别对Micro-F1的影响会较大。
2.3 Macro-F1
根据2.2节对、、的定义,第类的Precision和Recall为:
先对各类别的Precision和Recall求平均:
然后同样利用F1计算公式计算出来的值即为Macro-F1值:
需要注意的是因为Macro-F1是对各类别的Precision和Recall求平均,所以并没有考虑到各类别的样本数量。因此,在这种情况下Precision和Recall较高的类别对F1的影响会较大。
最新评论
推荐文章
作者最新文章
你可能感兴趣的文章
Copyright Disclaimer: The copyright of contents (including texts, images, videos and audios) posted above belong to the User who shared or the third-party website which the User shared from. If you found your copyright have been infringed, please send a DMCA takedown notice to [email protected]. For more detail of the source, please click on the button "Read Original Post" below. For other communications, please send to [email protected].
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。