多标签分配是机器学习中的任务，为每个输入值分配一组来自固定词汇表的类别，其中类别不需要在统计上独立，因此排除构建一组独立的分类器，每个分类器将输入分类为属于每个类别与否。
机器学习还需要一种可以评估模型的方法。所以这就是我们如何评估多标签分类器的问题？
我们不能使用正常的召回率、准确率和 F 度量，因为它们需要一个二进制是否正确或不度量每个分类。如果没有这样的衡量标准，我们就没有明显的方法来评估模型或衡量概念漂移。
您如何衡量多标签分类准确度？
人工智能
参考请求
表现
公制
多标签分类
2021-10-27 14:28:07
2个回答
你的直觉是正确的。我们确实使用其他指标进行多标签分类。评价本身的意义发生了变化。除了对分类器是否正确分类进行评分之外，如果它正确地选择了错误的类别，我们还必须对其进行惩罚。您可以使用以下指标：
- 微观/宏观平均 Recall/Precision 等
- 汉明损失
- 子集精度
即使使用二元分类器，一个数字也不能完全代表行为——混淆矩阵具有三个自由度。对于多类问题，最好打印我们的整个混淆矩阵。然后你可以挑出诸如“大类 A 分类好，许多 B 被错误归类为 C，少数 D 被错误分配给 A、B 或 C”之类的问题。
更好的是，打印混淆矩阵可以帮助您思考真正的业务目标是什么：这些错误中的哪些在实践中最重要？
其它你可能感兴趣的问题