La puntuación F1 es la media armónica de precisión y recuperación. El eje y de recuperación es una tasa positiva verdadera (que también es recuperación). Entonces, en ocasiones los clasificadores pueden tener un AUC bajo pero muy alto, ¿qué significa eso?
¿Cuáles son las diferencias entre AUC y F1-score?
machine-learning
precision-recall
auc
accuracy
RockTheStar
fuente
fuente
Respuestas:
La puntuación F1 es aplicable para cualquier punto particular de la curva ROC. Este punto puede representar, por ejemplo, un valor umbral particular en un clasificador binario y, por lo tanto, corresponde a un valor particular de precisión y recuperación.
Recuerde, la puntuación F es una forma inteligente de representar tanto el recuerdo como la precisión. Para que la puntuación F sea alta, tanto la precisión como la recuperación deben ser altas.
Por lo tanto, la curva ROC es para varios niveles diferentes de umbrales y tiene muchos valores de puntaje F para varios puntos en su curva.
fuente
AUC es de dimensión [PRECISIÓN] * [RECUPERACIÓN] y es el área bajo la curva ROC. F1 es para un par fijo de precisión y recuperación. Entonces son diferentes. Pero hay algunas conexiones. Vea esto: http://pages.cs.wisc.edu/~jdavis/davisgoadrichcamera2.pdf
fuente
Los ejes de una curva ROC son la tasa positiva verdadera (recuperación, sensibilidad AKA) y la tasa positiva falsa (tasa de falsa alarma) , no precisión, AKA PPV, valor predictivo positivo .
fuente