1回答
我知道f1分数，它使用精确度和召回率。但是，mean f1 score中的“mean”是什么？当我们使用它的时候，如何计算“均值”？编辑以明确解释我的问题:我知道f1分数是准确率和召回率的调和平均值。并且在计算f1得分时，需要多个分类结果来计算</e
浏览 19提问于2017-08-10得票数 1
回答已采纳
1回答
我正在尝试使用此代码计算多标签分类的召回率和F1分数 并得到了classification_report语句的错误 ValueError: Shape of passed values is (1617import one_hotfrom keras.models imp
浏览 40提问于2020-06-12得票数 0
1回答
让我们讨论标签A、B和C的多标签分类问题。我可以计算每个标签的精确度/召回率，如下所示：
F1度量:2*(精确*召回)/(精确+召回)因为我有3个标签，所以我想通过平均
浏览 4提问于2013-12-13得票数 2
我正在为一个多类分类问题建立一个模型。因此，我想用召回和精确性来评估模型的性能。我在dataset中有4个类，它是以one hot表示形式提供的。我正在阅读和 tf.keras文档，并有一些问题：
在计算多类分类的精确性和召回性时，如何求出所有标签的平均值，即全局精度和召回</em
浏览 25提问于2022-06-22得票数 2
2回答
我知道F1-measure是精度和召回率的调和平均值。但是，什么值定义了F1度量的好坏？我似乎找不到任何参考资料(谷歌或学术)来回答我的问题。
浏览 0提问于2016-04-19得票数 29
在大多数情况下，如果我处理的是不平衡的数据，那么准确性并不能给出正确的想法。尽管准确率很高，但模型的性能很差。如果不是auc，这是处理不平衡数据的最好方法。
浏览 146提问于2019-02-26得票数 0
回答已采纳
1回答
我在这个网站上读到过，如果数据集不平衡，如果你想在回忆和进进之间寻求平衡的话，建议使用F1评分。请您解释一下F1如何在不平衡的数据集方面有用吗？
浏览 0提问于2021-12-14得票数 5
2回答
我想用32个预测的蒙版图像和32个真实的蒙版图像做f1评分。我的数据有以下特点：
type_of_target(predicted)
浏览 0提问于2020-04-26得票数 1
1回答
我使用深度哈希模型在数据库中搜索最相似的图像(最类似于作为查询提供的图像)。我在可可数据集上这样做，该数据集每个图像都有多个标签。我想评估模型的性能，但我不确定这里应该使用哪种类型的度量。如果它只是每幅图像的一个标签，我会追求平均精度(给定狗的查询图像，检查系统检索到多少狗图像，评估地图)。但这显然不能用于多标签任务(给定三个类的查询映像，只检索其中一个类的系统检索图像，它不是完全正确的</
浏览 0提问于2017-12-01得票数 1
1回答
由于在使用Keras ImageDataGenerator时没有将培训集和标签分开，而是依赖于文件夹结构。如何获得分类报告，即如何获得/计算精度、召回和F1？这就是我尝试过的，我得到了一个错误，就是抱怨train_generator没有argmax。我怎么才能解决这个问题？
浏览 1提问于2020-07-27得票数 1
我有两个多类分类模型来进行预测(准确地说，类数是三个)。一个是Keras神经网络，另一个是Scikit学习库中的梯度增强分类器。我注意到，在相同的数据上训练后，GBC具有较高的精度评分，而Keras模型具有较高的F1评分。我应该使用哪种模型来预测未来的数据？哪个指标更重要？
浏览 0提问于2019-12-23得票数 7
回答已采纳
我正在使用Tensorflow 1.15.0和keras 2.3.1，我试图计算训练数据和验证数据在训练过程中每个时期的六类分类问题的精确度和召回率。pred_indx = np.argmax(y_pred, axis = 1)
print(classification_report(y_indx, pred_indx)) 网络ResNet154的结果如下所示，我的数据集是平衡<e
浏览 68提问于2020-01-26得票数 3
回答已采纳
我想为多类分类问题计算准确度、查准率和召回率，以及F1评分.我正在使用下面提到的这些代码行。from keras import backend as K true_positives = K.sumy_true, 0, 1)))
recall = true_positives / (possibl
浏览 0提问于2019-11-11得票数 2
1回答
我有一个LSTM编码器-解码器模型，我已经开发，以分类的价格波动基于跳跃-扩散模型(二进制分类问题本质上)。
我的模型是75/25之间的培训和验证。我的问题是，在应用了类不平衡技术(如SMOTE )之后，我的模型在培训和验证两方面的预测精度都很高(可能仍然过于合适)。但是，在精确性方面，召回和f1评分--我的训练模型再次表现良好--但在验证方面，我<em
浏览 2提问于2020-08-22得票数 0
回答已采纳
我试图使用Keras来评估多类问题上机器学习模型的性能。地面真理和模型的预测都在标签上。基本的真理标签是yt = [[1], [2], [3], [4]]，预测是yp = [[0], [2], [3], [4]]。然后，使用下面的代码来计算精确度是很简单的：accuracy = m(yt, yp).numpy()
这是因为每4个样本中就有3
浏览 6提问于2022-08-23得票数 0
2回答
我有一个高度不平衡的数据集，只有不到0.5%的次要类。使用Keras，我将对DNN进行培训，并评估验证集的性能。损失函数为binary_crossentropy。我把我的早期停止f1评分，而不是验证损失。我在训练期间观察到的是，f1分数上下波动很大，而验证损失却在减少。实际上，我的f1分数很低，而且早停下来，尽管f1的分数是很多时代的.
我对此很困惑。我是不是应该
浏览 0提问于2018-11-17得票数 6
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
