อะไรคือความแตกต่างระหว่างคะแนน AUC และ F1

14

คะแนน F1 คือค่าเฉลี่ยฮาร์โมนิกของความแม่นยำและการเรียกคืน แกน y ของการเรียกคืนเป็นอัตราบวกจริง (ซึ่งก็เรียกคืนเช่นกัน) ดังนั้นตัวแยกประเภทบางครั้งสามารถเรียกคืนได้ต่ำ แต่ AUC สูงมากนั่นหมายความว่าอย่างไร

อะไรคือความแตกต่างระหว่างคะแนน AUC และ F1

machine-learning  precision-recall  auc  accuracy 
— RockTheStar
แหล่งที่มา
3
AUC ไม่ชัดเจนหากคุณไม่ได้ระบุเส้นโค้ง คุณหมายถึงพื้นที่ใต้เส้นโค้ง ROC พื้นที่ใต้เส้นโค้ง PR ใช่ไหม ... ?
— Marc Claesen
บริเวณใต้โค้ง
— RockTheStar
2
ซึ่งโค้ง? ร็อค? PR? ยก?
— Marc Claesen
เส้นโค้ง ROC และคะแนน F1 ที่ได้จากนั้น
— RockTheStar

คำตอบ:

18

คะแนน F1 ใช้สำหรับจุดใด ๆ ของเส้นโค้ง ROC จุดนี้อาจแสดงตัวอย่างเช่นค่าขีด จำกัด เฉพาะในตัวจําแนกไบนารีและดังนั้นจึงสอดคล้องกับค่าเฉพาะของความแม่นยำและการเรียกคืน

โปรดจำไว้ว่าคะแนน F เป็นวิธีที่ชาญฉลาดในการแสดงถึงการเรียกคืนและความแม่นยำ สำหรับคะแนน F ที่จะสูงทั้งความแม่นยำและการเรียกคืนควรสูง

ดังนั้นเส้นโค้ง ROC สำหรับระดับต่าง ๆ ของเกณฑ์และมีค่าคะแนน F จำนวนมากสำหรับจุดต่าง ๆ บนโค้ง

— ผู้ชายลอนดอน
แหล่งที่มา
3
ด้านที่น่าสนใจ แต่เท่าที่ฉันเข้าใจคะแนน F1 ขึ้นอยู่กับการเรียกคืนและความแม่นยำในขณะที่ AUC / ROC ประกอบด้วยการเรียกคืนและความเฉพาะเจาะจง ดูเหมือนว่าพวกเขาจะไม่เหมือนกัน ฉันเห็นด้วยกับคะแนน F เป็นจุดและ ROC เป็นชุดของคะแนนที่มีเกณฑ์ที่แตกต่างกัน แต่ฉันไม่คิดว่ามันเป็นสาเหตุเดียวกันของการกำหนดที่แตกต่างกัน คุณช่วยฉันให้ชัดเจนขึ้นได้ไหม ขอบคุณ
— Catbuilts
8

AUC มีขนาด [PRECISION] * [RECALL] และเป็นพื้นที่ใต้เส้นโค้ง ROC F1 มีไว้สำหรับการแก้ไขคู่ของความแม่นยำและการเรียกคืน ดังนั้นพวกเขาจึงแตกต่างกัน แต่มีการเชื่อมต่อบางอย่าง ดูที่นี่: http://pages.cs.wisc.edu/~jdavis/davisgoadrichcamera2.pdf

— แดเนียล
แหล่งที่มา
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.