我正在尝试使用sklearn中的k_fold交叉验证，但是在f1_score中的pos_label参数让我感到困惑。我知道，如果类别不是二进制的话，pos_label参数与如何处理数据有关。但是我并没有很好地理解它的重要性 - 有人能够对其在概念层面上做出解释吗？
我已经阅读了文档，但它们并没有真正帮助我理解。
我已经阅读了文档，但它们并没有真正帮助我理解。
1个回答
10
f1分数是精确率和召回率的调和平均数。因此，您需要计算精确率和召回率来计算f1分数。这两个度量都是参考“真正例”（分配了正标签的正实例），“假正例”（分配了正标签的负实例）等计算的。
pos_label参数允许您指定哪个类应被视为此计算的“正面”类。
更具体地说，想象一下，您正在尝试构建一个分类器，在大量不感兴趣事件的背景中查找一些罕见事件。通常，您只关心如何识别这些罕见结果；背景标签在本质上并不有趣。在这种情况下，您将设置pos_label为您感兴趣的类。如果您处于关心所有类的结果的情况下，f1_score可能不是适当的度量标准。
- jakevdp
4
好的，我实际上面临的是一个多类问题，我对所有分类的准确性都同样感兴趣。你有什么建议来验证它？我是否在第一时间使用k折交叉验证时就完全偏离了轨道？ - dataSci
如果感兴趣的话，您可以尝试分别找出每个类别的精确率/召回率/F1值。但是，jakevdp是正确的，使用单个F1值来评估所有类别并不特别有用。 - rabbit
K折交叉验证是不错的选择，但在多类情况下，所有类别都很重要，准确率得分可能更合适。 - jakevdp
太好了，谢谢！为了记录，我发现pandas_confusion模块在这方面非常有用 - 它提供了一个在pandas中实现的混淆矩阵，比sklearn中的更容易使用，并且它还提供了准确度得分。 - dataSci
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接