Sommaire
La F1-score, est un moyen scientifique capable de donner plus de précisions sur 2 classes ou plus. Il intervient plus précisément, dans la résolution des problèmes en s'appuyant sur des données anormales comme la détection d'une forte probabilité d'un événement possible à l'avenir. À travers cet article, vous en saurez plus.
Résumer les valeurs de la précision et du recall
Prédire de façon sûre et précise n'est possible que si les conditions ne sont réunies. Consulter f1 score pour plus de précision. F1-score à précisément pour but, de faire ressortir les compromis possibles entre la précision et le recall. En mathématique, elle traduit la moyenne harmonique de la précision et du recall suivant une équation donnée. Cette équation permet la comparaison entre les prédictions correctes et les erreurs effectuées par le modèle. Lorsque la F1-score atteint la marge de 50%, alors pour une prédiction positive correcte le modèle effectue deux erreurs (faux négatif ou faux positif).
Appliquer sur des données réelles
La F1-score est utilisée pour effectuer des calculs avec des données réelles. Pour ce faire, cette application avec des données réelles ou faits réels permettra de connaître la probabilité pour qu'un événement se produise afin de se préparer aux éventualités. Grâce à cette application, le résultat est concluant entre la certitude et le doute par rapport à un événement incertain. Par exemple, dans le domaine de la médecine, la F1-score est utile pour connaître la probabilité pour qu'une femme soit enceinte ou non. C'est aussi pareil pour d'autres domaines dans lesquels la F1-score se révèle importante.
Différencier la capacité des individus
Le modèle parfait constitue un moyen de différencier les individus positifs des individus négatifs. Cette différenciation se procède en trois phases telles que, le seuil optimal, le seuil trop élevé et le seuil trop faible. Par ailleurs, le modèle non informatif consiste à donner la même probabilité aux individus qu'ils soient positifs ou négatifs.
Sur le même sujet




























































