MCDMClassification Metric
ค่า F1 แบบมาโครเฉลี่ย (Macro-averaged F1)
ค่า F1 แบบมาโครเฉลี่ยจะคำนวณค่า F1-score แยกกันสำหรับแต่ละคลาส จากนั้นจึงนำมาหาค่าเฉลี่ยเลขคณิตแบบไม่ถ่วงน้ำหนัก วิธีนี้จะถือว่าทุกคลาสมีความสำคัญเท่ากัน โดยไม่คำนึงถึงความถี่ของคลาสในชุดข้อมูล ซึ่งมีประโยชน์สำหรับปัญหาการจำแนกประเภทหลายคลาสที่มีความไม่สมดุลของข้อมูล
อ่านวิธีฉบับเต็ม
สำหรับสมาชิกเท่านั้น
เข้าสู่ระบบเข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
แผนที่ระเบียบวิธี
ย่านของระเบียบวิธีที่เกี่ยวข้องกัน — เลือกโหนดเพื่อสำรวจ
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Macro-averaged F1-Score. ScholarGate. https://scholargate.app/th/model-evaluation/macro-averaged-f1
ระเบียบวิธีใด?
วางระเบียบวิธีนี้เคียงข้างระเบียบวิธีใกล้เคียงที่สุด แล้วอ่านเปรียบเทียบกัน — คลังวางหนังสือไว้บนโต๊ะให้แล้ว ส่วนการเลือกเป็นของท่าน
- คะแนน F1การประเมินแบบจำลอง↔ เปรียบเทียบ
- F1-คะแนนเฉลี่ยแบบจุลภาคการประเมินแบบจำลอง↔ เปรียบเทียบ
- F1-score แบบถ่วงน้ำหนักการประเมินแบบจำลอง↔ เปรียบเทียบ