直接上结论: 二分类的micro-F1 score和Accuracy的值相等


时隔一年多看到了完整细致的文章,同样说明了micro-F1和accuracy和recall和precision相等,同时还解释了macro-F1的两种计算方法,sklearn和各种工具在计算f的差别,好文!
传送门
Update Version :2022.10.26


关于 F score 和micro-F score以及macro-F score可以参考:参考文

对于二分类问题(A类和B类),某分类器判断结果为

判断为A类 判断为B类
实际为A类 a b
实际为B类 c d

为了计算 micro-F1 score,计算整体的TP,FP,FN。
对于A类来说 TPA = a ,对于B类来说 TPB = d ,
同理可得 FPA= c ,FPB = b,
以及FNA= b ,FNB = c。
故整体而言 TP = a + d, FP = FN = b + c。
故:
Precision=a+dn=Recall=AccuracyPrecision=\frac{a+d}{n}=Recall=AccuracyPrecision=na+d​=Recall=Accuracy
F1=2×Precision×RecallPrecision+Recall=Precison=AccuracyF_1=2\times\frac{Precision\times Recall}{Precision+Recall}=Precison=AccuracyF1​=2×Precision+RecallPrecision×Recall​=Precison=Accuracy

Original Version :2021.01.11

二分类问题的micro-F1 score(f值)和Accuracy(准确度)相关推荐

  1. 机器学习笔记-多分类下的召回率和F值

    分类任务中常见的评估指标,包括准确率(Accuracy).精确率(Precision).召回率(Recall)和值.但是在多分类场景中,我们通常也会采用召回率或者F值来作为评价指标. 1.分类评估指标 ...

  2. fasttext在二分类问题中,recall与precision值是相同的,why

    通过研究fasttext官方文档(https://fasttext.cc/docs/en/supervised-tutorial.html)中的如下部分: 很容易发现此处的召回率与精确率与平常所计算的 ...

  3. YOLOv5、YOLOv7改进之实验结果打印F1 Score的值(二):新增打印F1 Score的值,便于YOLOv5系列模型对比实验获取更多精度数据,丰富实验数据

  4. 分类评价指标 F值 详解 | Micro F1 Macro F1 Weight F1

    之前写一个作业样本不均衡问题.然后查了很多文章都说要更换评价指标,不能再使用准确率了,要计算F值.我看了一下F值怎么计算,看了挺多文章的,但是感觉说的比较迷惑,或者说法比较拗口.最后还是自己再总结一个 ...

  5. Lesson 8.38.4 二分类神经网络torch.nn.functional实现单层二分类网络的正向传播

    二.二分类神经网络:逻辑回归 1 二分类神经网络的理论基础 线性回归是统计学经典算法,它能够拟合出一条直线来描述变量之间的线性关系.但在实际中,变量之间的关系通常都不是一条直线,而是呈现出某种曲线关系 ...

  6. R语言 lightgbm 算法优化:不平衡二分类问题(附代码)

    来源:大数据文摘本文约10000字,建议阅读10分钟本文以kaggle比赛的数据为例,为你讲解不平衡二分类问题的解决方法. 本案例使用的数据为kaggle中"Santander Custom ...

  7. R语言实战应用-lightgbm 算法优化:不平衡二分类问题(附代码)

    前言 本案例使用的数据为kaggle中"Santander Customer Satisfaction"比赛的数据.此案例为不平衡二分类问题,目标为最大化auc值(ROC曲线下方面 ...

  8. RDkit&mol2vec :基于逻辑回归的靶标抑制剂活性二分类对比

    逻辑回归(logistics regression) 逻辑回归又称logistic回归分析,是一种广义的线性回归分析模型,常用于数据挖掘,疾病自动诊断,经济预测等领域.逻辑回归从本质来说属于二分类问题 ...

  9. 准确率/召回率/精准率/F值_模型评价

    准确率/召回率/精准率/F值 模型选择:对特定任务最优建模方法的选择或者对特定模型最佳参数的选择. 在训练数据集上运行模型(算法)并在测试数据集中测试效果, 迭代进行数据模型的修改, 这种方式被称为交 ...

最新文章

  1. 院士:国内科研目前内卷太严重,勿简单“抬轿子”
  2. 网站基本建设必备窍门了解一下!
  3. javascript里的偏函数——本质函数式编程+闭包,返回函数
  4. F2上的8×8可逆矩阵的个数为2的62次幂
  5. 529. Minesweeper
  6. Libra白皮书解读
  7. 请说说接口和抽象类的区别?
  8. python识别虚假新闻的分类器_使用NLP检测和对抗AI生成的假新闻
  9. 和中台说再见吧!一个15年的IT总监,从战略角度这样讲数字化
  10. Linux服务器性能优化
  11. 【吼吼睡cocos2d学习笔记】第五章 - loading场景以及其他
  12. Exact-k:组合推荐的秘密
  13. Castle ActiveRecord学习实践(7):使用HQL查询
  14. 手机丢了,支付宝和微信里面的钱该怎么办?
  15. Python高阶函数-闭包
  16. #0的作用及time slot的划分
  17. H3CSE园区-LLDP技术
  18. 阿斯加德250G固态硬盘开卡实录(主控SM2258XT,SDZNBIAMA-064G颗粒)
  19. 金税盘计算机USB无法识别,金税盘连接电脑无法识别怎么回事?
  20. 6.Vue教程:http://www.jb51.net/Special/874.htm

热门文章

  1. wr885n虚拟服务器设置,TP-Link TL-WR885N V4路由器桥接设置教程
  2. windows注册表:开机启动的程序
  3. 路由规则——MVC控制器
  4. php微信自定个性化菜单,微信开发之个性化菜单
  5. OKR文化:明确职责与庆功会
  6. 传统企业上云的三个正确姿势是什么?
  7. python3 django1.10 使用mysql服务器
  8. ubuntu14.04安装gnu/emacs24
  9. 在Debian环境下架设PPPoE效劳器-2
  10. Java版本工程行业管理系统源码-专业的工程管理软件-提供一站式服务