如何解釋 F 度量值？

我想知道如何解釋 f 測量值的差異。我知道 f-measure 是精度和召回率之間的平衡平均值，但我問的是 F-measures 差異的實際意義。

例如，如果一個分類器 C1 的準確度為 0.4，另一個分類器 C2 的準確度為 0.8，那麼我們可以說 C2 與 C1 相比正確分類了兩倍的測試示例。但是，如果分類器 C1 對某個類的 F-measure 為 0.4，而另一個分類器 C2 的 F-measure 為 0.8，那麼我們可以說明這兩個分類器的性能差異是什麼？我們可以說 C2 比 C1 更正確地分類了 X 個實例嗎？

我想不出 F 度量的直觀含義，因為它只是一個組合度量。當然，比 F-mesure 更直觀的是精度和召回率。

但是使用兩個值，我們通常無法確定一種算法是否優於另一種算法。例如，如果一種算法比另一種算法具有更高的精度但更低的召回率，那麼你如何判斷哪種算法更好？

如果您有一個特定的目標，例如“精確為王”。我不太在乎回憶'，那就沒有問題了。精度越高越好。但是，如果您沒有如此強烈的目標，您將需要一個綜合指標。那是F-measure。通過使用它，您將比較一些精度和一些召回率。

通常繪製 ROC 曲線來說明 F 度量。您可能會發現這篇文章很有趣，因為它包含對包括 ROC 曲線在內的多種度量的解釋：http: //binf.gmu.edu/mmasso/ROC101.pdf

引用自：https://stats.stackexchange.com/questions/49226