在sklearn.metrics.f1_score中,f1分数有一个叫做"average"的参数。宏观、微观、加权和样本是什么意思?请详细说明,因为在文档中没有正确解释。或者简单地回答以下内容:
- 为什么"样本"是多标签分类的最佳参数?
- 为什么微观最适合不平衡的数据集?
- 加权和宏观有什么区别?
问题是关于sklearn.metrics.f1_score
中average
参数的含义。
从代码中可以看出:
average=micro
表示通过考虑总真阳性、假阴性和假阳性来计算 f1 的函数(无论数据集中每个标签的预测如何)average=macro
表示计算每个标签的 f1 的函数,并返回平均值,而不考虑数据集中每个标签的比例。average=weighted
表示计算每个标签的 f1 的函数,并返回考虑数据集中每个标签的比例的平均值。average=samples
表示计算每个实例的 f1 的函数,并返回平均值。将其用于多标签分类。
我找到了一篇非常有用的文章,更彻底地解释了差异,并举例说明:https://towardsdatascience.com/multi-class-metrics-made-simple-part-ii-the-f1-score-ebe8b2c2ca1
不幸的是,它没有解决"样本"参数,我还没有尝试多标签分类,所以我无法回答问题 1。至于其他人:
-
这些信息从何而来?如果我正确理解了差异,微观不是不平衡数据集的最佳指标,而是最糟糕的指标之一,因为它不包括比例。如文章所述,micro-f1等于准确性,这是不平衡数据的一个有缺陷的指标。 例如:分类器应该在数千张随机图片中识别猫图片,只有 1% 的数据集由猫图片组成(不平衡数据集)。即使它没有识别出一张猫图片,它的准确率/micro-f1 分数为 99%,因为 99% 的数据被正确识别为不是猫图片。
-
简而言之:宏观只是单个分数的算术平均值,而加权包括单个样本大小。我推荐这篇文章了解细节,如果需要,我可以提供更多示例。
我知道这个问题已经很老了,但我希望这对某人有所帮助。 如果我错了,请纠正我。我做过一些研究,但不是专家。