14
правок
Изменения
F1
Таким образом число точек не превосходит число объектов, идеальный алгоритм проходит через точку (0;1), худший (например, монетка) — прямая TPR = FPR.
Для численной же оценки алгоритма по ROC кривой используется значение площади под ней ('''AUC''', area under curve). Таким образом идеальный алгоритм имеет AUC равный 1, а плохой — 0,5.
= F₁ score =
Для общей оценки качества классификатора часто используют F₁ меру — среднее гармоническое между precision и recall:
: <tex>F_1 = (\dfrac{Prec^{-1} + Recall^{-1}}{2})^{-1} = 2 \cdot \dfrac{Prec \cdot Recall}{β^2 \cdot Prec + Recall}</tex>
F₁ мера так же может быть обобщена до F<sub>β</sub>:
: <tex>F_β = (1 + β^2) \dfrac{Prec \cdot Recall}{β^2 \cdot Prec + Recall}</tex>
F<sub>β</sub> измеряет эффективность классификатора учитывая recall в β раз более важным чем precision.
