使召回率在调和平均数中的重要性翻倍

调和平均数的公式为:(2*Recall*Precision/(1*Recall+Precision)

其中的2来自(Beta² + 1),而1来自Beta²。这里Beta = 一个表示召回率和精确率相对重要性的因子

如何更新公式以使召回率的重要性翻倍?


回答:

我认为你已经部分回答了自己的问题:调和平均数是你提到的公式,其中Beta等于1。因此,要使召回率的重要性是精确率的两倍,只需将Beta设为2即可得到:

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注