F1 учитывает precision и recall положительного класса, поэтому может быть полезнее accuracy при большом числе негативов. Но это не универсальное решение дисбаланса и не прямая мера бизнес-ценности.
Как метрика F1-score помогает в задачах с несбалансированными классами?
F1 учитывает precision и recall положительного класса, поэтому может быть полезнее accuracy при большом числе негативов. Но это не универсальное решение дисбаланса и не прямая мера бизнес-ценности.
Короткий ответ
Что ответить на собеседовании
Подробный разбор
Ответ с пояснениями
F1 учитывает precision и recall положительного класса, поэтому может быть полезнее accuracy при большом числе негативов. Но это не универсальное решение дисбаланса и не прямая мера бизнес-ценности.
Модель, всегда выбирающая большинство, может иметь высокую accuracy и нулевой recall редкого класса. F1 выявляет эту проблему, но не учитывает TN и по-разному оценивает ошибки, чем бизнес. Укажите positive class, averaging и порог; сравнивайте также PR-кривую и стоимость FP/FN.