【发布时间】：2014-02-16 00:34:58
【问题描述】：
当我们在 WEKA 中评估分类器时，例如 2 类分类器，它会为我们提供 3 个 f 度量：第 1 类的 f 度量、第 2 类的 f 度量和加权 f 度量。
我很困惑！我认为 f-measure 是一个平衡的度量，它显示了多个类的平衡性能度量，那么第 1 类和第 2 类的 f-measure 是什么意思？
【问题讨论】：
标签： machine-learning weka evaluation
【发布时间】：2014-02-16 00:34:58
【问题描述】：
f-score（或 f-measure）是根据准确率和召回率计算的。计算如下：
Precision = t_p / (t_p + f_p)
Recall = t_p / (t_p + f_n)
F-score = 2 * Precision * Recall / (Precision + Recall)
其中t_p 是真阳性数，f_p 是假阳性数，f_n 是假阴性数。精度定义为在算法分类为正的所有元素中正确分类为正的元素的比例，而召回率是在所有正元素中正确分类为正的元素的比例。
在多类情况下，每个类i 都有各自的精度和召回率，其中“真阳性”是预测在i 中的元素，而“真阴性”是一个元素预计不会出现在i 中。
因此，通过对精度和召回率的新定义，每个类都可以通过与二进制情况相同的计算来获得自己的 f 分数。这就是 Weka 向您展示的内容。
加权 f 分数是类的 f 分数的加权平均值，按每个类中元素数量的比例加权。
【讨论】：
-
加权 f 分数是否与微平均 f 分数相同？
我也很困惑， 我根据精度和召回率对每个类别使用相同的 f 分数方程，但结果不同！ 例子： f-score different from weka claculaton
【讨论】：