我有一个不平衡的多类分类问题。这项任务是关于动物分类的。
由于它是不平衡的,我使用的是宏F1度量,目前的结果是:51.59。
我面临的问题是,这个任务将被认为是一项推荐任务,在这里需要使用TOP-N的准确性。当我计算顶N精度时,我得到以下结果:Top-1: 88.58 Top-2: 94.86 Top-3: 96.48.
正如你所看到的,顶N的精确性完全偏向于多数类,其中宏F1和顶级1之间的差距很大。
我的问题是,当我计算Top的准确性时,我如何考虑阶级的不平衡?
发布于 2022-09-07 05:48:41
听起来您的少数族裔类的预测很差,影响了您的宏f1评分(参见这个答案可以获得更多信息。 )。
在滑雪板顶部k精度分数文档中,您可以传递一个权重列表,以“重新平衡”分数。
sample_weight,类数组形状(n_samples,),default=None样本权重.如果没有,所有样本都被赋予相同的权重。
https://datascience.stackexchange.com/questions/114176
复制相似问题