机器学习中的“平均”f1 分数是什么？

Question

我知道使用精确度和召回率的 f1 分数。 但是，平均 f1 分数中的“平均”是什么？ 我们什么时候使用它以及如何计算“平均值”？

编辑以明确解释我的问题： 我知道 f1 分数是精确率和召回率的调和平均值。 当我们计算f1分数时，需要多个分类结果来计算精度和召回率。

例如，如果我们有一个由 1000 个实例组成的数据集，我们可以获得 1000 个分类结果。然后我们将其放入列联表中，这样我们就可以计算 f1 分数。

现在我对“平均”f1 分数感到困惑。我们根据列联表计算 f1 分数，但“平均值”是什么？只有我能计算的是f1分数，那么什么是“平均值”以及如何计算“平均值”f1分数？

Answer 1

F1 分数是二元分类任务测试准确性的衡量标准。在多标签分类任务中，每个文档都有一个 F1 分数。因此，平均 F1 分数为：

其中 N 是训练集的行大小

Answer 2

机器学习中的 F1 分数 “在机器学习中，F1 分数是一种广泛使用的用于评估二元分类模型性能的指标。它通过将精度和召回率组合成一个分数来提供平衡的衡量标准。它的计算公式如下：

F1 score = 2 * (precision * recall) / (precision + recall)

精度和召回率是二元分类的基本指标”阅读更多详细信息...