multiclass-classification - 如何在fasttext中获得f1分数

Question

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？

标签： multiclass-classificationfasttext

Answer 1

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。