F1 分数

了解精确度和召回率

在深入了解 F1 分数之前，了解其组成部分至关重要：

• 精确度：该指标回答的问题是"在模型预测为阳性的所有实例中，有多少是真正的阳性？它侧重于阳性预测的正确性，最大限度地减少误报（I 类错误）。当假阳性的代价较高时，高精度就显得尤为重要。
• 召回率（灵敏度或真阳性率）：该指标回答的问题是"在所有实际的阳性实例中，模型正确识别了多少？它的重点是找到所有相关实例，尽量减少假阴性（第二类错误）。当错过一个正向实例的代价很高时，高召回率就显得至关重要。

这些指标通过混淆矩阵得出的真阳性 (TP)、假阳性 (FP) 和假阴性 (FN) 计数来计算。

F1 分数为何重要

仅凭准确率可能会产生误导，尤其是在不平衡的数据集上。例如，如果一个数据集有 95% 的负面实例和 5% 的正面实例，那么一个总是预测 "负面 "的模型就会达到 95% 的准确率，但对于识别正面案例却毫无用处（召回率为零）。

F1 分数通过计算精确度和召回率的调和平均值来解决这个问题。与简单的算术平均数相比，调和平均数对极端值的惩罚更大。因此，高 F1-Score 需要高精确度和高召回率，以确保两者之间的平衡。它的范围从 0（最差）到 1（最佳）。

F1 分数的应用

F1 分数是许多人工智能和 ML 领域的标准评估指标：

• 信息检索：评估搜索结果的相关性和完整性。
• 自然语言处理 (NLP)：评估命名实体识别 (NER)和文本分类（如垃圾邮件检测）等任务的性能。在垃圾邮件过滤中，F1-Score 可在捕捉垃圾邮件（召回率）与尽量减少合法邮件的误分类（精确率）之间取得平衡。
• 计算机视觉：虽然平均精度（mAP）等指标在物体检测模型中很常见，如 Ultralytics YOLO等对象检测模型常用的指标，而 F1 分数则可用于评估特定对象类别或分割任务的性能。您可以在YOLO 性能指标指南中了解有关这些指标的更多信息。
• 医学图像分析：在诊断系统中，例如从扫描图像中检测肿瘤，漏检阳性病例（召回率低）会造成严重后果，而误报（精确率低）则会导致不必要的压力和程序。F1 评分有助于为模型的决策阈值找到最佳平衡点。有关诊断测试评估的更多阅读。
• 异常检测：识别罕见的欺诈交易或系统故障，其中阳性实例并不常见，但对检测至关重要。

F1 分数与相关指标

• 准确性：衡量总体正确性。适用于平衡数据集，但对不平衡数据集会产生误导。
• 精确度：侧重于正面预测的质量（最大限度地减少 FP）。
• 召回：重点关注找到的实际阳性数量（最小化 FN）。
• 平均精度 (mAP)：对象检测和排序问题中的一种常用指标，是不同召回阈值和/或类别的平均精度。与通常评估单点的 F1 分数不同，它能更广泛地反映不同操作点的性能。
• 曲线下面积 (AUC)：通常指ROC 曲线下的面积，总结了所有分类阈值下的模型性能。

选择正确的指标取决于具体问题，以及尽量减少误报与误报的相对重要性。Ultralytics HUB等工具可以在模型训练和评估过程中跟踪包括 F1 分数在内的多个指标，帮助用户做出明智的决策。了解Ultralytics 教程，获取模型评估的实用指导。