什么是差、不错、好和优秀的 F1 测量范围？

Question

我理解 F1-measure 是精确率和召回率的调和平均值。但是什么值定义了 F1 度量的好坏呢？我似乎找不到任何参考文献（谷歌或学术）来回答我的问题。

Answer 1

考虑

sklearn.dummy.DummyClassifier(strategy='uniform')

，这是一个进行随机猜测的分类器（又名坏分类器）。我们可以将 DummyClassifier 视为要击败的基准，现在让我们看看它的 f1 分数。

在二元分类问题中，具有平衡数据集：总共 6198 个样本，3099 个样本标记为

0

，3099 个样本标记为

1

，两个类的 f1-score 均为

0.5

，加权平均值为

0.5

：

第二个例子，使用

DummyClassifier(strategy='constant')

，即每次猜测相同的标签，每次都猜测标签

1

，在这种情况下，f1-scores的平均值是

0.33

，而标签

0

的f1是

0.00

：

我认为这些 f1 分数很糟糕，考虑到平衡数据集。

PS。使用

sklearn.metrics.classification_report

生成摘要

Answer 2

您没有找到任何关于 f1 测量范围的参考，因为没有任何范围。 F1 度量是精度和召回率的组合矩阵。

假设您有两种算法，一种具有更高的精度和更低的召回率。通过这种观察，您无法判断哪种算法更好，除非您的目标是最大化精度。

因此，考虑到如何在两种算法中选择更好的算法（一个具有更高的召回率，另一个具有更高的精度）的模糊性，我们使用 f1-measure 在其中选择更好的算法。

f1-measure 是一个相对术语，这就是为什么没有绝对范围来定义你的算法有多好。