Що таке оптимальний поріг F1? Як його обчислити?

Я використовував функцію h2o.glm () в R, яка дає таблицю непередбачених результатів разом з іншою статистикою. Таблиця на випадок надзвичайних ситуацій очолюється " Перехресна вкладка на основі оптимального порогового значення F1 "

Вікіпедія визначає показник F1 або F оцінка як гармонійне середнє значення точності та відкликання. Але чи Precision and Recall не знайдені лише тоді, коли результат передбачуваних значень логістичної регресії (наприклад) перетворюється на двійкові за допомогою відсічення.

Тепер відсіченням я пам’ятаю, який зв’язок між оцінкою F1 та оптимальним порогом. Як обчислюється оптимальний поріг? Як обчислюється оптимальний поріг F1?

Вибачте, якщо я щось пропустив, я новачок тут.

Я фактично написав свою першу роботу з машинного навчання на цю тему. У ній ми визначили, що коли ваш класифікатор видає калібровані ймовірності (як це слід для логістичної регресії), оптимальний поріг становить приблизно 1/2 1/2 показника F1, якого він досягає. Це дає вам певну інтуїцію. Оптимальний поріг ніколи не буде більше .5 Якщо ваш F1 дорівнює 0,5, а поріг - 5, тоді слід розраховувати на покращення F1 шляхом зниження порогу. З іншого боку, якщо F1 був .5, а поріг був .1, ви, ймовірно, повинні збільшити поріг для покращення F1.

Документ з усіма подробицями та обговоренням того, чому F1 може бути, а може бути, і не хорошим заходом для оптимізації (як в одиночному, так і в багатоядерному випадку), можна знайти тут:

https://arxiv.org/abs/1402.1892

Вибачте, що мені знадобилося 9 місяців, щоб ця посада була мені відома. Сподіваємось, що ви все-таки знайдете інформацію корисною!