Fatal编程技术网
  • machine-learning/
  • Machine learning 根据F1、精度和召回分数计算准确度

Machine learning 根据F1、精度和召回分数计算准确度

machine-learning deep-learning

Machine learning 根据F1、精度和召回分数计算准确度,machine-learning,deep-learning,precision-recall,Machine Learning,Deep Learning,Precision Recall,在培训期间，我忘记了在测试集中保存模型和模型的预测。我所拥有的只是F1、精度和回忆分数。我想知道是否有任何方法，我可以计算精度仅仅从F1，精度和召回分数 f1 = 0.9466979550787799 precision = 0.9424328383113633 recall = 0.951001852163664 简单的回答是，你有三个方程，但有四个变量，所以你可以，但前提是你已经知道你预测的元素总数。为了详细了解这一点，让我们分别将真阳性、真阴性、假阳性和假阴性记为TP、TN、FP、FN

在培训期间，我忘记了在测试集中保存模型和模型的预测。我所拥有的只是F1、精度和回忆分数。我想知道是否有任何方法，我可以计算精度仅仅从F1，精度和召回分数

f1 = 0.9466979550787799
precision = 0.9424328383113633
recall = 0.951001852163664
简单的回答是，你有三个方程，但有四个变量，所以你可以，但前提是你已经知道你预测的元素总数。为了详细了解这一点，让我们分别将真阳性、真阴性、假阳性和假阴性记为
TP、TN、FP、FN

从精度定义为
TP/（TP+FP）
，可以得到

FP=TP(1-precision)/precision   (1)
同样，从回忆的定义来看，你会得到

FN=TP(1-recall)/recall         (2)
现在让我们使用
F1
score的定义为
F1=2/（精度^{-1}+回忆^{-1}）
。通过插入上面的
FN
和
FP
表达式，我们将得到以下表达式：

F1=2TP / (2TP +TP(1-recall)/recall + TP(1-prec)/prec)
你可以很容易地解出这个方程，得到
TP
的值。将其插入（1）和（2），您将达到一个点，您知道
TP，FN，FP

为了计算准确度，您仍然需要知道真正的负值
TN
（假设您按照通常的准确度定义为
（TP+TN）/（TP+TN+FP+FN）
）

要确定
TN
，您需要知道元素的总数
total\n
：

TN=total_n - (TP+FN+FP)
一旦你知道你可以计算出准确度