时间戳

首页 > 解决方案 > 机器学习二分类

python - 机器学习二分类

问题描述

我正在尝试使用多层感知器进行二进制分类。

它基本上是句子的情感分析。目前只有二进制。正面与负面（目前我的数据中没有中性），所以它是二进制的。

我发现的一件奇怪的事情是，当正编码为 1（正 = 1，负 = 0）和负编码为 1（正 = 0，负 = 1）。当然，我使用了相同的 X 数据集和相同的模型（架构）。仅更改了标签编码。

当正例编码为 1 时，平均 f1 分数约为 89。（我运行相同的模型 10 次）当负例编码为 1 时，平均 f1 分数约为 50。（我运行相同的模型 10 次）

我对这个结果感到很困惑。我认为应该没有任何显着差异。

标签： pythonmachine-learning

解决方案

F1-score 是准确率和召回率的调和平均值，他的公式由下式给出：

TP/(TP + 1/2(FP + FN))。更多细节在这里：https ://en.wikipedia.org/wiki/F-score 。

因此，您可以观察到公式中没有太多对称性，并且偏向于真阳性。准确性如何？

推荐阅读