mikro-F1-score
Mikro-F1-score er en variant af F1-score, der beregnes ved at aggregere sandt positive, falsk positive og falsk negative på tværs af alle klasser, før F1 beregnes.
Kort fortalt
Mikro-F1-score er et gennemsnit af præcision og recall, der vægter hver enkelt instans lige meget, uanset klasse.
- Kategori
- metrik
- Niveau
- øvet
Betydninger
1- 1
En evalueringsmetrik for klassifikationsmodeller, der beregner F1-score ved først at summere tællere og nævnere over alle klasser og derefter anvende F1-formlen.
- Modellen opnåede en mikro-F1-score på 0,92 på testdataen.
Hvornår bruges det
Mikro-F1-score bruges typisk i multi-klasse klassifikationsopgaver, især når klasserne er ubalancerede. Den giver et retvisende billede af modellens samlede ydeevne, da den ikke favoriserer majoritetsklasser.
Formel
F1_micro = 2 * (P_micro * R_micro) / (P_micro + R_micro), where P_micro = sum(TP) / (sum(TP) + sum(FP)) and R_micro = sum(TP) / (sum(TP) + sum(FN))Kodeeksempel
from sklearn.metrics import f1_score
y_true = [0, 1, 2, 0, 1, 2]
y_pred = [0, 2, 1, 0, 0, 1]
micro_f1 = f1_score(y_true, y_pred, average='micro')
print(micro_f1)Eksempel på beregning af mikro-F1-score i Python vha. scikit-learn.
Oprindelse
Udtrykket 'mikro' refererer til, at man beregner et gennemsnit over alle instanser (mikro-niveau) frem for over klasser (makro-niveau).
Kilder
1- Pedregosa et al. (2011), Scikit-learn: Machine Learning in Python, Journal of Machine Learning Research, 12, pp. 2825-2830.