- 1【一个Python数据清洗文章，密恐勿入，本篇文章没有任何技术指导！】IGS电离层延迟ETC初步清洗结果_jul-923
- 2python计算iv值_大数据技术 python计算IV值及使用
- 3我的世界java版特别卡怎么办_我的世界卡顿延迟怎么办
- 4Linux ---各种yum源配置详解
- 5HomeAssistant系统添加HACS插件商店与远程控制家中智能家居_homeassistant安装hacs
- 6wazuh安装手册
- 7RxJava的使用与深入学习_rxjava 使用
- 8数据分析神经网络模型图,神经网络模型数据处理_数据自相关性神经网络解决方法有哪些
- 9c语言抢答器程序,单片机六路抢答器C语言程序
- 10华为机试 108 题（C 语言解答)_华为机考 c卷
二分类问题的micro-F1 score（f值）和Accuracy（准确度）_为什么f1-micro值和accuracy值一样
赞
踩
直接上结论： 二分类的micro-F1 score和Accuracy的值相等
时隔一年多看到了完整细致的文章，同样说明了micro-F1和accuracy和recall和precision相等，同时还解释了macro-F1的两种计算方法，sklearn和各种工具在计算f的差别，好文！
传送门
Update Version :2022.10.26
关于 F score 和micro-F score以及macro-F score可以参考：参考文
对于二分类问题（A类和B类），某分类器判断结果为
| 判断为A类 | 判断为B类 | |
|---|---|---|
| 实际为A类 | a | b |
| 实际为B类 | c | d |
为了计算 micro-F1 score，计算整体的TP，FP，FN。
对于A类来说 TPA = a ，对于B类来说 TPB = d ，
同理可得 FPA= c ，FPB = b，
以及FNA= b ，FNB = c。
故整体而言 TP = a + d, FP = FN = b + c。
故:
P
r
e
c
i
s
i
o
n
=
a
+
d
n
=
R
e
c
a
l
l
=
A
c
c
u
r
a
c
y
Precision=\frac{a+d}{n}=Recall=Accuracy
Precision=na+d=Recall=Accuracy
F
1
=
2
×
P
r
e
c
i
s
i
o
n
×
R
e
c
a
l
l
P
r
e
c
i
s
i
o
n
+
R
e
c
a
l
l
=
P
r
e
c
i
s
o
n
=
A
c
c
u
r
a
c
y
F_1=2\times\frac{Precision\times Recall}{Precision+Recall}=Precison=Accuracy
F1=2×Precision+RecallPrecision×Recall=Precison=Accuracy
Original Version :2021.01.11
