MCDMClassification Metric
F1 pondéré
Le F1 pondéré calcule le score F1 pour chaque classe, puis en prend une moyenne pondérée, où les poids sont proportionnels au nombre d'échantillons dans chaque classe (le support). Il offre un compromis entre la macro-moyenne et la micro-moyenne.
Lire la méthode complète
Réservé aux membres
Se connecterConnectez-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). Weighted F1-Score. ScholarGate. https://scholargate.app/fr/model-evaluation/weighted-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 moyen macroÉvaluation de modèles↔ comparer
- F1-score moyenné par micro-classeÉvaluation de modèles↔ comparer
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →