斯坦福分类器交叉验证平均或聚合度量

Question

使用Stanford分类器，可以通过设置属性文件中的选项来使用交叉验证，例如10倍交叉验证：

crossValidationFolds=10
printCrossValidationDecisions=true
shuffleTrainingData=true
shuffleSeed=1

运行该程序将按倍数输出各种指标，如精度、召回率、精度/微观平均F1和宏观平均F1。

作为输出的一部分，是否可以选择获得所有10精度/微观平均F1或所有10宏观平均F1的平均或聚合分数？

在Weka中，默认情况下，10倍交叉验证后的输出包括所有折叠的平均度量。斯坦福分类器中也有这样的选项吗？有一个最终的精度、召回率或F1分数可用，并像在Weka中那样优化参数是非常有用的，我想用斯坦福分类器来做这件事。怎样

Answer 1

当我运行10个折叠时，我看到的是输出。当我运行这个命令时：

java -cp "*" edu.stanford.nlp.classify.ColumnDataClassifier -prop examples/cheese2007.prop -crossValidationFolds 10

我在输出中看到了这一点（##Fold 9之后）

[main] INFO edu.stanford.nlp.classify.ColumnDataClassifier - 181 examples in test set
[main] INFO edu.stanford.nlp.classify.ColumnDataClassifier - Cls 2: TP=109 FN=6 FP=7 TN=59; Acc 0.928 P 0.940 R 0.948 F1 0.944
[main] INFO edu.stanford.nlp.classify.ColumnDataClassifier - Cls 1: TP=59 FN=7 FP=6 TN=109; Acc 0.928 P 0.908 R 0.894 F1 0.901
[main] INFO edu.stanford.nlp.classify.ColumnDataClassifier - Accuracy/micro-averaged F1: 0.92818
[main] INFO edu.stanford.nlp.classify.ColumnDataClassifier - Macro-averaged F1: 0.92224 
[main] INFO edu.stanford.nlp.classify.ColumnDataClassifier - Average accuracy/micro-averaged F1: 0.93429
[main] INFO edu.stanford.nlp.classify.ColumnDataClassifier - Average macro-averaged F1: 0.92247