F1 skoru

F1 skoru, kesinlik ve duyarlılığın harmonik ortalamasıdır.

F1 skoru

F1, kesinlik ile duyarlılığın harmonik ortalamasıdır: 2·P·R / (P + R). İkisinden biri düşükse F1 de düşük olur; aritmetik ortalama bunu gizlerdi.

P, R = 1.0, 0.1
print((P + R) / 2)           # 0.55  yanıltıcı
print(2 * P * R / (P + R))   # 0.18  gerçekçi

Hem yanlış alarmların hem kaçırmaların önemli olduğu dengesiz problemlerde tek bir özet metrik olarak sık kullanılır.

classification_report

classification_report, her sınıf için kesinlik, duyarlılık, F1 ve destek (örnek sayısı) değerlerini tek tabloda verir:

from sklearn.metrics import classification_report
print(classification_report(y_test, y_pred, digits=3))

Alt satırlardaki macro avg sınıflara eşit, weighted avg sınıf büyüklüğüne göre ağırlık verir.

Uygulama Dört metrik

Verilen etiketler için doğruluk, kesinlik, duyarlılık ve F1 değerlerini round(..., 3) ile tek print içinde aralarında boşlukla yazdır.

Örnek çözümü göster

from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score

y_true = [1, 1, 1, 1, 0, 0, 0, 0, 0, 0]
y_pred = [1, 1, 1, 0, 1, 0, 0, 0, 0, 0]

print(round(accuracy_score(y_true, y_pred), 3), round(precision_score(y_true, y_pred), 3), round(recall_score(y_true, y_pred), 3), round(f1_score(y_true, y_pred), 3))

Kendini test et

Kesinlik 0.5 ve duyarlılık 0.5 ise F1 kaçtır?
- 1.0
- 0.75
- 0.5
- 0.25
Cevabı göster

0.5 — 2 · 0.5 · 0.5 / (0.5 + 0.5) = 0.5; iki değer eşitse F1 de aynıdır.

F1 skorunu hesapla.

f = ____(y_true, y_pred)

Cevabı göster

f = f1_score(y_true, y_pred)

Rapor satırlarını eşleştir.

precision

Pozitif dediklerinde isabet
recall

Yakalanan pozitif oranı
f1-score

Harmonik ortalama
support

Sınıftaki örnek sayısı

Sıradaki ders: Özet - Model değerlendirme

Deneyiminizi Geliştiriyoruz

Çerez Tercihleri

Kesinlikle Gerekli Çerezler

Analitik Çerezler