Précision moyenne et rappel lors de l'utilisation de la validation croisée

J'ai effectué une classification en utilisant plusieurs classificateurs pour des données étiquetées à 2 classes, et j'ai utilisé une validation croisée 5 fois. Pour chaque pli, j'ai calculé tp, tn, fp et fn. Ensuite, j'ai calculé l'exactitude, la précision, le rappel et le score F pour chaque test. Ma question est la suivante: lorsque je veux faire la moyenne des résultats, j'ai pris la moyenne des précisions, mais puis-je également faire la moyenne de la précision, du rappel et du score F? Ou serait-ce mathématiquement incorrect? PS Les jeux de données utilisés dans chaque pli sont bien équilibrés en termes de nombre d'instances par classe.

Merci.

classification cross-validation precision-recall

— Kalaji
source

J'ai rencontré votre même problème concernant le calcul de la mesure F (moyenne harmonique de précision et de rappel) en utilisant la validation croisée. Dans cet article, ils ont en fait démontré que le calcul de la mesure F sur l'ensemble complet, et non la moyenne, est la méthode la moins biaisée. J'espère que cela peut aider

— papafe

@markusian Veuillez ajouter ceci comme réponse! C'est de loin la chose la plus importante sur cette page !!

— drevicko

$F$

F_{1} = 2 \cdot \frac{precision \cdot recall}{precision + recall}

$F_1 = 2\cdot\frac{\textrm{precision} \cdot \textrm{recall}}{\textrm{precision} + \textrm{recall}}$

F_{β}

$F_\beta$

β

$\beta$

F_{β} = (1 + β^{2}) \frac{precision \cdot recall}{(β^{2} \cdot precision) + recall}

$F_\beta = (1+\beta^2) \frac{\textrm{precision} \cdot \textrm{recall}}{(\beta^2 \cdot\textrm{precision}) + \textrm{recall}}$

F

$F$

$t$ $F$ $F$

— Matt Krause
source

Oui, j'ai utilisé la première formule. Cela signifie que la moyenne du score F des différents tests donne des résultats similaires à la moyenne de précision et de rappel, puis le calcul du score F à partir d'eux. J'ai essayé cela sur les résultats que j'ai et c'était presque la même chose. Merci.

— Kalaji