machine-learning - 在监督多类分类中，为什么使用宏 F1 分数而不是平衡精度？

Question

假设我有一个 3 类问题，我想构建一个分类器，可以根据一组特征区分不同的类。我想根据模型区分 3 个类别的能力来评估该模型。

从我的阅读来看，宏 F1 分数听起来像是用于评估多类问题分类器的常用指标，其中计算每个类的 F1 分数，然后将这些 F1 分数的未加权平均值用作 macro F1 score .

在其他文献中，我看到了多类问题中使用的平衡精度，其中计算每个类的精度，然后将这些精度的未加权平均值用作 balanced accuracy .

为什么宏 F1 分数比平衡精度更受青睐？

平衡精度是否更容易解释，因为平衡精度 < 0.5 告诉我们模型的性能比机会差？

我们如何以与平衡准确率相同的方式解释 F1 分数 - 什么阈值表明分类器比机会做得更好/更差？

Answer 1

我认为，F1分数是基于精确率和召回率的，可以适用于更多情况。例如，负样本比正样本少得多。