对F-score的理解

manong_dashen

于 2021-07-17 12:21:39 发布

阅读量2.9k

点赞数

文章标签：数据分析

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/manong_dashen/article/details/118854977

版权

本文详细介绍了F-score的概念及其在机器学习中的应用。F-score是准确率和召回率的调和平均数，综合反映了分类器的性能。文章还解释了TP、TN、FP、FN等关键指标，并探讨了如何通过F-score来平衡准确率与召回率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录

F-score
准确率
召回率
综合考量

F-score

F-score综合考虑准确率和召回率
P 是正类
N 是负类
TP 正类( P) 被判断正确
TN 负类( N ) 被判断正确
FP 正类 ( P ) 被判断错误
FN 负类 ( N ) 被判断错误

准确率

准确率指的是同一类样本被正确分类的比例

召回率

召回率指的是被判断为同一类的数据中，真实属于这一类的比例（引擎搜索）（需要考虑多类的情况）

综合考量

F 是准确率和召回率的调和平均数
在这里插入图片描述

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。