Kombinering af præcision og genkaldelse Vi bruger den harmoniske middelværdi i stedet for et simpelt gennemsnit, fordi det straffer ekstreme værdier. … F1-scoren giver lige stor vægt til begge mål og er et specifikt eksempel på den generelle Fβ-metrik, hvor β kan justeres for at give større vægt til enten genkaldelse eller præcision.
Hvorfor bruge den harmoniske middelværdi?
Den harmoniske middelværdi hjælper med at finde multiplikations- eller divisorforhold mellem brøker uden at bekymre sig om fællesnævnere. Harmoniske midler bruges ofte til at beregne et gennemsnit af ting som takster (f.eks. den gennemsnitlige rejsehastighed givet en varighed af flere ture).
Hvordan beregnes F1-resultater?
F1-resultatet er 2((præcisionrecall)/(præcision+recall)). Det kaldes også F-score eller F-målet. Sagt på en anden måde, F1-resultatet formidler balancen mellem præcision og tilbagekaldelse.
Hvad betragtes som en god F1-score?
Det vil sige, en god F1-score betyder, at du har lave falske positive og lave falske negative, så du identificerer rigtige trusler korrekt, og du bliver ikke forstyrret af falske alarmer. En F1-score betragtes som perfekt, når den er 1, mens modellen er en total fiasko, når den er 0.
Hvad F1-score betyder?
F1-resultatet er et mål, der bruges til at vurdere kvaliteten af binære klassifikationsproblemer såvel som problemer med flere binære etiketter eller flere klasser. F1-score=1 er bedstværdi (perfekt præcision og genkaldelse), og den dårligste værdi er 0,
