Tại sao thước đo F được ưa thích cho các nhiệm vụ phân loại?

Tại sao thước đo F thường được sử dụng cho các nhiệm vụ phân loại (được giám sát), trong khi chỉ số G-đo (hoặc chỉ số FowlkesTHER Mallows) thường được sử dụng cho các nhiệm vụ phân cụm (không giám sát)?

Thước đo F là giá trị trung bình hài hòa của độ chính xác và thu hồi .

Thước đo G (hay chỉ số Fowlkes trộm Mallows) là giá trị trung bình hình học của độ chính xác và thu hồi .

Dưới đây là một âm mưu của các phương tiện khác nhau.

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

$= \sqrt{precision\cdot recall}$

$= \frac{precision + recall}{2}$

Lý do tôi hỏi là tôi cần quyết định sử dụng mức trung bình nào trong nhiệm vụ NLG, trong đó tôi đo BLEU và ROUGE (trong đó BLEU tương đương với độ chính xác và ROUGE để gọi lại). Làm thế nào tôi nên tính trung bình của các điểm số này?

Điểm số FI được ưu tiên cho độ chính xác phân loại đơn giản để chống lại vấn đề bộ dữ liệu mất cân bằng; Nếu điều bạn đang tìm kiếm chỉ xảy ra hiếm khi thì dù sao thì một bộ phân loại ngây thơ luôn có thể nói không và dường như đang hoạt động rất tốt! Một biến thể trên Fı là Fß, trong đó

Fß = (1 + ß²) × ​​[(P × R) ÷ ((ß² × P) + R)]

Thay đổi ß để cân bằng độ chính xác và thu hồi. Về lý do tại sao F hoặc G, tôi tin rằng đó là kinh nghiệm - bạn không nói nếu bạn đang phân loại hoặc phân cụm trong ứng dụng của riêng bạn?

Nếu Chính xác và Thu hồi là tương tự nhau, F1 là một biện pháp duy nhất để so sánh các mô hình khác nhau.

Ngắn và ngọt :)