机器学习二分类

Posted 2023-03-12

【中文标题】机器学习二分类

【英文标题】：machine learning binary classification

【发布时间】：2021-04-14 03:40:04

【问题描述】：

我正在尝试使用多层感知器进行二进制分类。

基本上是句子的情感分析。目前只有二进制。正面与负面（目前我的数据中没有中性），所以它是二元的。

我发现一件奇怪的事情是，当正编码为 1（正=1，负=0）和负编码为 1（正=0）时，性能（准确率、召回率、精度、f1 分数）有很大不同, 负数=1)。当然，我使用了相同的 X 数据集和相同的模型（架构）。仅更改了标签编码。

当正例编码为 1 时，平均 f1 分数约为 89。（我运行相同的模型 10 次） 当负例编码为 1 时，平均 f1 分数约为 50。（我运行相同的模型 10 次）

我对这个结果感到很困惑。我认为应该没有任何显着差异。

【参考方案1】：

F1-score 是准确率和召回率的调和平均值，其公式为：

TP/(TP + 1/2(FP + FN))。更多细节在这里：https://en.wikipedia.org/wiki/F-score。

因此，您可以观察到公式中没有太多对称性，并且偏向于真阳性。准确性如何？

【讨论】：

非常感谢您的解释。准确度数字非常相似