machine-learning - F1 分数是平衡数据集的一个很好的衡量标准吗

Question

我的数据集大致平衡：52/48。我评估 ACC 和 F1 分数。随机森林模型返回的结果如下

累积：52%

F1：68%

混淆矩阵：

     |Predicted
Label|0 |1
0    |52|122109
1    |19|134802

我知道如果我将标签 0 切换为 1，反之亦然，F1 分数会非常小。那么，在使用 F1 的情况下，我应该总是切换标签吗？

Answer 1

F1 分数的解释完全取决于标签的任意选择（这隐藏在其公式中）。因此，F1 分数最适用于类别标签实际上表示并对应于现实生活中的阴性和阳性的情况（例如，癌症的存在）以及类别分布不平衡的情况（特别是当阴性明显多于阳性时）。由于您的数据是平衡的，而且您似乎也可以任意切换标签，因此 F1 分数可能不是一个合适的指标。

这些也可能有帮助：1 2 3