F1 moyen macro
Le F1 moyen macro calcule le score F1 indépendamment pour chaque classe, puis prend la moyenne arithmétique non pondérée. Il traite toutes les classes de manière égale, quelle que soit leur fréquence dans le jeu de données, ce qui le rend utile pour les problèmes multi-classes déséquilibrés.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Carte des méthodes
Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Macro-averaged F1-Score. ScholarGate. https://scholargate.app/fr/model-evaluation/macro-averaged-f1
Quelle méthode ?
Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.
- Score F1Évaluation de modèles↔ comparer
- F1-score moyenné par micro-classeÉvaluation de modèles↔ comparer
- F1 pondéréÉvaluation de modèles↔ comparer
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →