Я искал хороший показатель ошибки для мультиклассовых классификаторов, и многие говорят, что обычно используется мера F1.
Но, учитывая, что предсказания мультиклассовых классификаторов - это горячие векторы, разве это не означает, что нет истинных положительных результатов, когда предсказание неверно?
Что я имею в виду:
изображение
когда прогноз верен, каждый элемент является истинно отрицательным, за исключением одного «1». Таким образом, точность здесь составляет всего 1.
изображение
А когда прогноз неверен, нет настоящих позитивов. Таким образом, точность равна 0.
Я бы понял, что F1 является мощным метрическим методом, когда дело доходит до многослойных классификаций, поскольку в векторе может быть более одной единицы, но применение F1 в мультиклассовой классификации мне кажется немного странным. Разве это не то же самое только с точностью?
Или это означает, что следует использовать балл F1 за класс ?