Μικρο-μέσος όρος F1
Ο μικρο-μέσος όρος F1 υπολογίζει το F1-score αθροίζοντας τα αληθώς θετικά (true positives), τα ψευδώς θετικά (false positives) και τα ψευδώς αρνητικά (false negatives) σε όλες τις κλάσεις, και στη συνέχεια υπολογίζοντας μια ενιαία μετρική. Είναι ισοδύναμο με την ακρίβεια (accuracy) στην πολυ-κλασοκή ταξινόμηση και είναι χρήσιμο όταν οι κατανομές των κλάσεων αντικατοπτρίζουν τη φυσική τους σημασία.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Χάρτης μεθόδων
Η γειτονιά των σχετιζόμενων μεθόδων — επιλέξτε έναν κόμβο για εξερεύνηση.
Πηγές
- Powers, D. M. (2011). Evaluation: From Precision, Recall and F-Measure to ROC, Informedness, Markedness and Correlation. Journal of Machine Learning Technologies, 2(1), 37-63. link ↗
- Sokolova, M., Japkowicz, N., & Szpakowicz, S. (2006). Beyond Accuracy, F-Score and ROC: a Family of Discriminant Measures for Performance Evaluation. AI 2006, 4013, 1015-1021. DOI: 10.1007/11941439_114 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Micro-averaged F1-Score. ScholarGate. https://scholargate.app/el/model-evaluation/micro-averaged-f1
Ποια μέθοδος;
Τοποθετήστε αυτή τη μέθοδο δίπλα στις πιο συγγενείς της και διαβάστε τις παράλληλα — η βιβλιοθήκη απλώνει τα βιβλία στο τραπέζι· η επιλογή είναι δική σας.
- ΑκρίβειαΑξιολόγηση Μοντέλων↔ σύγκριση
- Βαθμολογία F1Αξιολόγηση Μοντέλων↔ σύγκριση
- Μέσος όρος F1 (Macro-averaged F1)Αξιολόγηση Μοντέλων↔ σύγκριση
- Σταθμισμένο F1Αξιολόγηση Μοντέλων↔ σύγκριση
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →