MCDMClassification Metric

加权F1

加权F1计算每个类别的F1分数，然后取加权平均值，其中权重与每个类别的样本数量（支持度）成正比。它在宏平均和微平均之间提供了一个折衷。

在 MethodMind 中打开即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

相关方法的邻域——选择一个节点以展开探索。

加权F1

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 ↗

ScholarGate. (2026, June 3). Weighted F1-Score. ScholarGate. https://scholargate.app/zh/model-evaluation/weighted-f1

将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。