如何在快速文本中获得f1分数

Question

我遵循教程:

https://fasttext.cc/docs/en/supervised-tutorial.html our-first-classifier

我有一个具有26个标签的多类数据。P@1和R@1是什么意思?

如果我必须得到相应的f1分数，我该如何得到它?

Answer 1

P@1和R@1分别是当调用模型预测单个最可能的类时的精度和召回率。

在某些情况下(web信息检索，推荐系统)，模型预测k多个类更有意义，因此我们对评估P@k和R@k感兴趣。

在讨论的情况下(在26个类别中预测一个类别)，您可以通过在公式中插入P@1和R@1的值来计算micro f1分数:

F1 = 2 * (precision * recall) / (precision + recall)

要了解微观F1，宏观F1…阅读scikit-learn文档

在任何情况下，如果你的目标是训练一个最大化F1值的模型，你可以让fastText通过自动超参数优化来处理训练。