R에서 h2o.glm () 함수를 사용하여 결과에 우발성 테이블을 다른 통계와 함께 제공했습니다. 우발 사태 표는 " F1 최적 임계 값에 기초한 크로스 탭 "입니다.
Wikipedia 는 F1 Score 또는 F Score를 조화와 정밀도의 조화 평균으로 정의합니다. 그러나 로지스틱 회귀의 예측 값 (예 : 결과)이 컷오프를 사용하여 이진으로 변환 된 경우에만 정밀도 및 회수가 발견되지 않습니다.
이제 컷오프를 통해 F1 점수와 최적 임계 값 사이의 연결이 무엇인지 기억합니다. 최적의 임계 값은 어떻게 계산됩니까? F1 최적 임계 값은 어떻게 계산됩니까?
내가 놓친 부분이 있으면 죄송합니다. 여기 통계가 처음입니다.
답변:
나는 실제로이 주제에 관한 기계 학습에 관한 첫 번째 논문을 썼습니다. 그 결과 분류기에서 로지스틱 회귀 분석을 위해 보정 된 확률을 출력 할 때 최적의 임계 값이 달성하는 F1 점수의 약 1/2임을 확인했습니다. 이것은 당신에게 직관을 제공합니다. 최적의 임계 값은 0.5를 넘지 않습니다. F1이 .5이고 임계 값이 .5이면 임계 값을 낮추어 F1을 향상시킬 것으로 예상됩니다. 반면에 F1이 0.5이고 임계 값이 0.1 인 경우 F1을 개선하기 위해 임계 값을 늘려야합니다.
모든 세부 사항이 담긴 논문과 F1이 왜 단일 및 다중 라벨의 경우에 최적화하기에 좋은 척도인지 아닌지에 대한 설명은 여기에서 찾을 수 있습니다.
https://arxiv.org/abs/1402.1892
이 게시물이 주목을받는 데 9 개월이 걸렸습니다. 정보가 여전히 유용하기를 바랍니다.