在有监督的多类分类中，为啥使用宏 F1 分数而不是平衡精度？

Posted 2023-03-12

【中文标题】在有监督的多类分类中，为啥使用宏 F1 分数而不是平衡精度？

【英文标题】：In supervised multiclass classification, why is the macro F1 score used instead of balanced accuracy?在有监督的多类分类中，为什么使用宏 F1 分数而不是平衡精度？

【发布时间】：2016-06-23 00:54:49

【问题描述】：

假设我有一个 3 类问题，并且我想构建一个分类器，该分类器可以基于一组特征来区分这些类。我想根据模型区分 3 个类别的能力来评估模型。

从我的阅读中，听起来宏 F1 分数是用于评估多类问题分类器的常用指标，其中计算每个类的 F1 分数，然后将这些 F1 分数的未加权平均值用作macro F1 score。

在其他文献中，我看到了用于多类问题的平衡精度，其中计算每个类的精度，然后将这些精度的未加权平均值用作balanced accuracy。

为什么宏观 F1 分数比平衡精度更受青睐？

平衡精度是否更易于解释，因为平衡精度

我们如何以与平衡准确度相同的方式解释 F1 分数 - 什么阈值表明分类器的表现比机会好/差？

【问题讨论】：

您的问题找到答案了吗？

【参考方案1】：

在多类分类中，类不平衡效应更容易扭曲典型的性能指标。一些非常适合类不平衡的性能指标是： - 科恩的卡帕 (https://en.wikipedia.org/wiki/Cohen's_kappa) - 跨类的几何平均值（而不是算术平均值）

两者都可以轻松适应多类分类。

【参考方案2】：

在我看来，F1 分数是基于精确率和召回率的，可以适用于更多的情况。例如，负样本比正样本少得多。

【讨论】：

平衡准确率还考虑了准确率和召回率。它是所有类别的平均准确率。