Wynik F1 jest harmoniczną średnią precyzji i przywołania. Oś y przywołania to prawdziwie dodatni wskaźnik (który jest również przywołaniem). Więc czasami klasyfikatory mogą mieć niski przywołanie, ale bardzo wysoką AUC, co to znaczy?
Jakie są różnice między AUC a wynikiem F1?
machine-learning
precision-recall
auc
accuracy
RockTheStar
źródło
źródło
Odpowiedzi:
Wynik F1 ma zastosowanie do dowolnego określonego punktu krzywej ROC. Ten punkt może reprezentować na przykład określoną wartość progową w binarnym klasyfikatorze, a zatem odpowiada określonej wartości precyzji i przywołania.
Pamiętaj, że wynik F to sprytny sposób na przedstawienie zarówno wycofania, jak i precyzji. Aby wynik F był wysoki, zarówno precyzja, jak i przywoływanie powinny być wysokie.
Zatem krzywa ROC jest dla różnych poziomów progów i ma wiele wartości F dla różnych punktów na swojej krzywej.
źródło
AUC ma wymiar [PRECYZJA] * [PRZYWOŁANIE] i jest to obszar pod krzywą ROC. F1 służy do ustalonej pary precyzji i przywołania. Więc są różne. Ale są pewne połączenia. Zobacz: http://pages.cs.wisc.edu/~jdavis/davisgoadrichcamera2.pdf
źródło
Te osie krzywej ROC jesteś prawdziwy dodatnią stopę (przypomnijmy, czułości AKA) i fałszywie dodatni (fałszywy alarm) stopy , a nie precyzyjne, AKA PPV, wartość predykcyjna dodatnia .
źródło