本文重点

上一节课程中我们学习了查准率和召回率，作为遇到偏斜类问题的评估度量值。那么究竟是查准率更好一些还是召回率更好一些呢？其实都不是，真正好的应该是使得查准率和召回率的相对平衡，那么这个相对平衡的就是F1值。

为什么需要F1值

现在我们训练一个肿瘤的分类器。我们的算法输出的结果在 0-1 之间，我们使用阀值 0.5 来预测真和假。也就是说如何分类器输出大于0.5那么我们可以认为这个人患有肿瘤，如果分类器小于0.5那么我们可以认为这个人没有患有肿瘤，但是实际上是否患有肿瘤这件事情很重要。

假如我们预测一个病人hθ(x)=0.51,那么我们说这个病人是癌症，虽然这样符合我们逻辑回归，但是仅仅比0.5多了0.01就预测癌症，多少有点不太靠谱，因为癌症发生的相对来说还是比较少的，所以我们可以设置阈值不是0.5，我们可以设置阈值为0.7，只有大于0.7的时候我们才预测y=1（有癌症），这样看起来就靠谱一些了。

我们将阈值设置为0.7的时候，这样预测y=1的病人会有较高的机率真正患有癌症，所以此时的模型会有较高的查准率，较低的召回率（查全率）。

我们将阈值设置为0.7会有一个问题，我们不能说小于0.7的就是没有癌症的，这样万一有的话，就可能耽误治疗，所以为了不让有癌症的人漏掉，我们可以设置我们的阈值为0.3，只要大于0.3，就可能有癌症，就要接受进一步的治疗，那么此时我们将获得一个较高的召回模型和较低的查准率。

F1值

那么现在就出现这个问题了，以上两个模型究竟哪个更好呢？或者说我们是想

每天五分钟机器学习：评价算法模型常用的数值评估方式——F1值相关推荐

每天五分钟机器学习：如何计算模型的假阳性率和真阳性率？
本文重点如上所示,我们学习了查准率和召回率,本文我们将学习真阳性率和假阳性率,学会这个对将来构建ROC曲线非常有帮助真阳性率和假阳性率假如使用测试集来评估一个分类模型(二分问题):所以样本实际值 ...
svm分类器训练详细步骤_「五分钟机器学习」向量支持机SVM——学霸中的战斗机...
大家好,我是爱讲故事的某某某. 欢迎来到今天的[五分钟机器学习]专栏内容 --<向量支持机SVM> 今天的内容将详细介绍SVM这个算法的训练过程以及他的主要优缺点,还没有看过的小伙伴欢迎去 ...
五分钟学会用Simulink模型生成HDL代码
五分钟学会用Simulink模型生成HDL代码 1 核心步骤 2 视频展示 3 生成HDL代码的注意事项 3.1 HDL支持的库和模块 3.2 设置simulink模型为可生成 hdl 的模式 3.3 ...
每天五分钟机器学习：模型效果不好怎么办？使用诊断方法解决问题
本文重点当我们在设计机器学习的系统时,什么时候才能保证我们设计的过程是正确的,也就是说当模型出现问题,我们应该如何解决呢? 模型效果不好通过对数据的学习得到了学习参数θ,所以我们的模型也就是假设函 ...
【机器学习】算法模型自动超参数优化方法
什么是超参数? 学习器模型中一般有两类参数,一类是可以从数据中学习估计得到,我们称为参数(Parameter).还有一类参数时无法从数据中估计,只能靠人的经验进行设计指定,我们称为超参数(Hyper ...
每天五分钟机器学习：随着算法迭代次数动态调整学习率
本文重点我们使用的学习率往往是不变的,本节课程我们将令学习率随着迭代次数的增加而减小,这会对算法的学习有很大的好处. 好处当我们运行随机梯度下降时,算法会从某个点开始,然后曲折的逼近最小值,但是不 ...
每天五分钟机器学习：PCA算法如何确定数据压缩降维的最佳维度？
本文重点上节课程中我们已经学习了pca算法,已经知道了如何将n维特征变量降到k维,k是PCA算法的一个参数,也被称为主成分的数量.那么现在就产生了一个问题,这个问题就是如何选择K,因为PCA要做的就 ...
每天五分钟机器学习：聚类算法中经常使用的肘部法则是什么？
本文重点如何选择聚类的数目K,也就是说我们要将数据聚成几簇.我们可以通过可视化的方式(画图),或者聚类算法的输出结果(试一试)来手动的决定聚类的数目,或者根据实际需要来确定我们想要聚成几簇,比如前面 ...
机器学习：算法模型：决策树
原文链接:https://www.cnblogs.com/wenyi1992/p/7685131.html [基本流程] 分类决策树的核心思想就是在一个数据集中找到一个最优特征,然后从这个特征的选值中 ...

每天五分钟机器学习：评价算法模型常用的数值评估方式——F1值

本文重点

为什么需要F1值

F1值

每天五分钟机器学习：评价算法模型常用的数值评估方式——F1值相关推荐

最新文章

热门文章