如何在fasttext中获得f1分数
How to get f1 score in fasttext
我正在学习教程:
https://fasttext.cc/docs/en/supervised-tutorial.html#our-first-classifier
我有一个包含 26 个标签的多类数据。 P@1 和 R@1 是什么意思?
如果我必须获得相应的F1分数,我该如何获得?
P@1和R@1分别是调用模型预测单个最有可能class.
时的precision和recall
在某些情况下(网络信息检索、推荐系统),模型预测 k 倍 classes 更有意义,因此我们有兴趣评估 P@k 和 R @k.
在问题的情况下(预测26中的class),您可以通过在公式中插入P@1和R@1的值来计算微F1-score:
F1 = 2 * (precision * recall) / (precision + recall)
要了解微 F1 和宏 F1 之间的区别...请阅读 scikit-learn docs。
无论如何,如果你的目标是训练一个最大化F1值的模型,你可以让fastText通过Automatic hyperparameter optimization来处理训练。
我正在学习教程:
https://fasttext.cc/docs/en/supervised-tutorial.html#our-first-classifier
我有一个包含 26 个标签的多类数据。 P@1 和 R@1 是什么意思?
如果我必须获得相应的F1分数,我该如何获得?
P@1和R@1分别是调用模型预测单个最有可能class.
时的precision和recall在某些情况下(网络信息检索、推荐系统),模型预测 k 倍 classes 更有意义,因此我们有兴趣评估 P@k 和 R @k.
在问题的情况下(预测26中的class),您可以通过在公式中插入P@1和R@1的值来计算微F1-score:
F1 = 2 * (precision * recall) / (precision + recall)
要了解微 F1 和宏 F1 之间的区别...请阅读 scikit-learn docs。
无论如何,如果你的目标是训练一个最大化F1值的模型,你可以让fastText通过Automatic hyperparameter optimization来处理训练。