multiclass-classification - 如何在fasttext中获得f1分数
问题描述
我正在关注教程:
https://fasttext.cc/docs/en/supervised-tutorial.html#our-first-classifier
我有一个包含 26 个标签的多类数据。P@1 和 R@1 是什么意思?
如果我必须获得相应的 F1 分数,我该如何获得它?
解决方案
P@1 和 R@1 分别是调用模型预测单个最可能类时的精度和召回率。
在某些情况下(网络信息检索、推荐系统),模型预测 k 多个类更有意义,因此我们对评估 P@k 和 R@k 感兴趣。
在有问题的情况下(预测 26 个类别),您可以通过在公式中插入 P@1 和 R@1 的值来计算微 F1 分数:
F1 = 2 * (precision * recall) / (precision + recall)
要了解微 F1、宏 F1 之间的区别...请阅读scikit-learn 文档。
无论如何,如果你的目标是训练一个最大化 F1 值的模型,你可以让 fastText 通过Automatic hyperparameter optimization来处理训练。
推荐阅读
- java - Telegram Bot 无需用户交互即可发送消息
- java - 在 Nifi 中创建自定义处理器并发送到 PublishKafka
- c# - 将 SubMenuItems 动态添加到 SubMenu
- javascript - javascript d3中的running_total是什么意思?
- python - 无法在 Python 中使用 Selenium 抓取正确数量的视频和图像
- android - Android 在两个堆叠视图旁边显示一个方形图像视图
- sql-server - XML Cdata 格式和变量输入 TSQL
- c++ - 使用“std::enable_if_t”“已定义函数模板”
- swift - 可滚动堆栈视图的约束问题
- javascript - 移动浏览器中的 Thymeleaf JavaScript 参数