如何找到多类Catboost分类器的每一类的F1得分？我已经通读了documentation和github repo，其中有人问了同样的问题。但是，我不知道如何编写代码来实现这一点。我知道我必须在CatBoostClassifier()中使用custom_metric参数，但是我不知道当我想要我的多类数据集的每个类的custom_metric分数时，F1的哪些参数是可接受的。假设您有一个玩具数据集(来自文档)： fr
浏览 46提问于2020-04-22得票数 2
假设我有一个三类问题，我想构建一个可以根据一组特征区分类的分类器。我想根据模型区分这3个类的能力来评估它。从我的阅读来看，宏观F1分数似乎是用于评估多类问题分类器的常用指标，其中为每个类计算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，我见过用于多类问题的平衡精度，其中计算每一
浏览 4提问于2016-03-09得票数 3
我想在我的多类分类问题上添加F1分数。我在内置指标列表中找不到F1。F1是否在tensor2tensor中的某处，或者我必须重写eval_metrics()并使用我的代码或从TensorFlow获取它？
浏览 6提问于2019-04-25得票数 0
我正在使用catboost来解决多类分类问题。我想使用二次加权kappa作为评价指标。
Catboost已经将WKappa作为eval_metric，但它是线性加权变量，而不是二次变量。
浏览 0提问于2019-11-07得票数 0
2回答
我使用CatBoostClassifier，我的类是高度不平衡的。我应用了一个scale_pos_weight参数来解决这个问题。当使用评估数据集(测试)进行训练时，CatBoost在测试中显示出高精度。但是，当我使用预测方法对测试进行预测时，我只能得到一个低精度分数(使用sklearn.metrics计算)。我认为这可能与我应用的类权重有关。然而，我不太理解精确度分数是如何受此影响的。learning_rate': 0.5412829495147387,
'depth&#x
浏览 17提问于2019-01-30得票数 4
在多类分类中使用自定义损失函数时，我得到一个错误，即我的自定义目标函数没有calc_ders_range属性。然而，根据我在catboost的电报频道中的讨论，calc_ders_range是用于单一分类/回归的。即使当我将我的自定义目标传递给CatBoostClassifier时，我仍然对下面的错误感到困惑。 我的代码:输出标签是int64类型，值从0到25代表26个类。自定义目标和精度指标</e
浏览 10提问于2020-10-17得票数 1
1回答
F1训练数据评分: 0.5881226277372263训练数据得分: 0.9991431591607794
验证数据得分: 0.9254554224474641虽然我的训练数据的F1分数很高，但它的分数却很高，而我的训练数据的分数却很高。
浏览 0提问于2023-05-22得票数 0
我有一个用于NER任务的分类器，由于到目前为止'O'标签比所有其他标签都多，所以我想在指标计算中排除它。
我想用sklearn包计算macro和micro分数。可以使用precision_recall_fscore_support计算宏分数，因为它分别返回每个标签的precision、recall、F1和support。我可以使用sklearn软件包来计算和micro分数吗？
浏览 13提问于2021-05-19得票数 0
我正在尝试用不同的度量来评估K-means生成的聚类，但我不确定结果是否好。因为我有文档的真实标签，所以我尝试计算F1分数和准确度。但我也想知道不需要真实标签的指标的性能。对于F1分数和准确性，结果分别约为0.65和0.88，而对于轮廓分数，它仅约为0.05，这意味着我可能有重
浏览 0提问于2019-10-24得票数 1
我想在PyTorch-ignite的自定义度量中使用sklearn的f1_score。 precision = Precision(average=False) F1= Fbeta(beta=1.0, average=False, precision=precision, recall=recall)
，如果你需要有一个f1分数微观/宏观
浏览 5提问于2021-06-28得票数 0
问题是我不知道如何以正确的方式平衡我的数据，以便准确地计算多类情况下的精确度、召回率、准确率和F1分数。score:/usr/local/lib/python2.7/site-packages/sklearn/metrics/classification.py:676: DeprecationWarningsample_weight=sample_weight)
/usr/local/lib&#x
浏览 231提问于2015-07-15得票数 132
回答已采纳
我正在尝试使用F1分数来进行多类分类中的模型选择。我按类计算它们并对其求平均值：(F1(class1)+F1(class1)+F1(class1))/3 =F1(总数)这意味着当我计算第一个类的精度(计算F1分数)时，我得到: 0
浏览 2提问于2017-07-21得票数 1
1回答
我有一个多类分类数据，其中目标有11个类。我正在尝试用Keras建立一个神经网络。我使用softmax作为激活函数，categorical_crossentropy作为损失函数。正式文件没有提到适合于多类分类的度量。
这链接提到使用categorical_accuracy作为多类分类的度量标准，但除此之外，这个站点上的所有其他问题都是关于这和这链接等多标签分类指标的。是否有使用自定义度量函数在Keras中使用f1_s
浏览 0提问于2021-12-14得票数 1
回答已采纳
2回答
weighted'))0.8806451612903226, 0.8806451612903226, 0.8806451612903226
对于ML分类问题，是否有可能获得所有3种类型的精度、召回和F1
浏览 0提问于2019-01-07得票数 15
回答已采纳
1回答
我对三种不同的f1计算感到困惑。对于严重不平衡的数据，我应该使用哪种f1评分？我正在研究一个严重不平衡的二进制分类。‘f1’‘f1_macro’另外，我想在balanced_accuracy评分参数中添加balanced_accuracy_score(y_truescores = cross_validate(LogisticRegression(max_iter=100000),X,y, cv=5,scoring={'gm_scorer': gm_scorer, &
浏览 11提问于2021-04-07得票数 0
对于catboost库中的一些对象(如python代码导出模型- )，预测()只给出一个所谓的每个记录的原始分数(参数值称为"RawFormulaVal")。其他API函数也允许预测的结果是目标类()的概率-参数值称为“概率”。
如果可以使用python ()将其转换成这样的函数呢？
浏览 2提问于2018-12-02得票数 0
回答已采纳
1回答
在我的多标签分类问题中，我试图计算精度、召回率和每个班级的F1分数。然而，我认为我做错了什么，因为我得到了很高的值，整个问题的F1分数是0.66。然而，我得到了+0.8 F1-分数在各个班级。您将如何计算这些指标？我使用拥抱转换器加载模型，得到预测，并学习计算指标。
浏览 10提问于2022-11-06得票数 0
回答已采纳
1回答
我使用tf 2.5来评估一个多类分类问题。我使用的F1分数，因为我的数据集是高度不平衡的。我使用的F1度量来自tensorflow-addons包。当我将它与二进制模型一起使用时，一切都很好，但是当我做多类模型时，结果和训练会变得很奇怪。
在多类问题的训练和评价中，F1评分远远高于应有的分数。为了检查这个分数是否正确，我使用了科学学习F1评分标准，它给出了一个更合
浏览 9提问于2021-06-29得票数 1
1回答
高度不平衡数据集的f1评分选择？
、、、、
为了更好的评价，我很困惑是用f1评分和“微观”平均分还是“宏观”平均分。考虑到我的数据集高度不平衡(600:100000)
浏览 0提问于2019-08-22得票数 0
什么原因会导致F1分数不是精度和召回率的调和平均值，而多类的宏观平均加权相等？我的数据集是不平衡的，预测是不正确的。
浏览 33提问于2019-02-03得票数 0
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号