균형 잡힌 정확도 vs F-1 점수

균형 잡힌 정확도의 차이를 설명 할 수 있는지 궁금합니다.

b_acc = (sensitivity + specificity)/2

f1 점수는 다음과 같습니다.

f1 = 2*precision*recall/(precision + recall) 

수학적으로, b_acc는 retrieve_P 및 retrieve_N의 산술 평균이며 f1은 recall_P 및 precision_P의 조화 평균입니다.

F1과 b_acc는 모두 클래스 불균형을 처리하는 분류기 평가에 대한 메트릭입니다. 두 클래스 (N 또는 P) 중 어느 클래스가 다른 클래스보다 많은지에 따라 각 메트릭이 다른 메트릭보다 성능이 뛰어납니다.

1) N >> P이면 f1이 더 좋습니다.

2) P >> N이면 b_acc가 더 좋습니다.

레이블 전환이 가능한 경우 위의 두 가지 불균형 사례에서 두 가지 지표를 모두 사용할 수 있습니다. 그렇지 않은 경우 훈련 데이터의 불균형에 따라 적절한 메트릭을 선택할 수 있습니다.