Зачем и как пользоваться инструментом Вебвизор в Яндекс Метрике? Просто о сложном
Метрика F1 является одной из самых популярных метрик в машинном обучении и используется для оценки качества работы алгоритмов классификации. Она основывается на сочетании точности (precision) и полноты (recall) и может быть использована в задачах двоичной классификации, когда имеется только два класса объектов.
#23. Показатели precision и recall. F-мера | Машинное обучение
Точность (precision) показывает, как много объектов, которые алгоритм отнес к положительному классу, действительно являются положительными. Полнота (recall) показывает, как много объектов из всех положительных объектов были правильно отнесены к положительному классу.
Метрика F1 является гармоническим средним между точностью и полнотой и может быть рассчитана по формуле:
F1 = 2 * (precision * recall) / (precision + recall)
Чтобы использовать метрику F1 для оценки работы алгоритма, необходимо сначала получить предсказания модели, а затем сравнить их с фактическими значениями. Это может быть сделано с помощью confusion matrix, которая показывает, сколько объектов было правильно и неправильно классифицировано.
Важно отметить, что метрика F1 может быть скомбинирована с другими метриками, такими как ROC-AUC, для более полной оценки работы алгоритма. Также следует учитывать, что для разных задач и данных может быть выбрана различная метрика.
