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

Keras Dense层输入未被展平

这是我的测试代码: from keras import…

无法将分类变量输入随机森林

我有10个分类变量和3个数值变量。我在分割后直接将它们…

如何在Keras中对每个输出应用Sigmoid函数?

这是我代码的一部分。 model = Sequenti…

如何选择类概率的最佳阈值?

我的神经网络输出是一个用于多标签分类的预测类概率表: …

在Keras中使用深度学习得到不同的结果

我按照一个教程使用Keras中的深度神经网络进行文本分…

‘MatMul’操作的输入’b’类型为float32,与参数’a’的类型float64不匹配

我写了一个简单的TensorFlow代码,但不断遇到T…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注