performance - 什么是差、不错、好和优秀的 F1 测量范围？

Question

我理解 F1-measure 是精确率和召回率的调和平均值。但是什么值定义了 F1 度量的好坏呢？我似乎找不到任何引用文献(谷歌或学术)来回答我的问题。

Answer 1

考虑sklearn.dummy.DummyClassifier(strategy='uniform')这是一个进行随机猜测的分类器(也称为坏分类器)。我们可以将 DummyClassifier 视为要击败的基准，现在让我们看看它的 f1-score。

在二元分类问题中，具有平衡数据集:总共 6198 个样本，其中 3099 个样本标记为 0以及标记为 1 的 3099 个样本，f1 分数为 0.5对于这两个类别，加权平均值为 0.5 :

第二个示例，使用 DummyClassifier(strategy='constant') ，即每次都猜测相同的标签，猜测标签 1每次在这种情况下，f1 分数的平均值为 0.33 ，而 f1 为标签 0是 0.00 :

我认为这些 f1 分数很糟糕，考虑到平衡数据集。

PS。使用 sklearn.metrics.classification_report生成的摘要