F beta 公式的解释

数据挖掘 分类 统计数据
2022-01-30 09:35:54

根据维基百科的 F beta 公式是“精确度和召回率的加权调和平均值”。我不明白为什么等式左边有 beta 而右边是 beta^2: 在此处输入图像描述

在我看来,如果我声称 Precision 比 Recall 重要 5 倍:F beta = (1+beta)/(beta/P+1/R)=(1+beta) P R/(beta*R+P),其中 beta=0.2。

这是正确的吗?

1个回答

这是一个很好的问题,因为从表面上看,重量似乎应该是β单独,而且,它应该在前面召回。答案在引用该参考的文本中,第 133 页:http ://www.dcs.gla.ac.uk/Keith/pdf/Chapter7.pdf

该定义旨在使度量标准对精度或召回率的变化无动于衷/R=β. 那是,Fβ当精度或召回率增加时,在精度已经达到的点上增加相同的量β比回忆大几倍。

正如您可以验证的那样,该定义确实对召回的权重更高。老实说,在重新阅读上面的文字时,我很困惑,因为如果召回更重要,我不明白将“平衡”视为精度更高的点有什么意义。

我将公式插入Wolfram Alpha,并且: 在此处输入图像描述

嗯。这些只有在R/=β我认为那篇论文可能当时错误地陈述了这一点,或者我真的错过了一些东西。这是一个公式,其值在准确率或召回率方面以相同的速率变化,而召回率已经β倍大,从这个意义上说,它对应于将召回视为β时间更重要。