机器学习模型的度量选择怎么理解

本篇内容主要讲解“机器学习模型的度量选择怎么理解”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“机器学习模型的度量选择怎么理解”吧!

定义

在讨论每种方法的优缺点之前，我们先了解一下分类问题中使用的基本术语。如果你已经熟悉这个术语，可以跳过这个部分。

• 召回率或TPR（真正例率）：所有正例中正确识别为正例的项目数=TP/（TP+FN）

• 特异性或TNR（真反例率）：所有反例中正确识别为反例的项目数=TN/（TN+FP）

• 精确度：在确定为正例的项目中，正确确定为正例的项目数=TP/（TP+FP）

• 假正例率或I型错误：所有反例中被错误识别为正例的项目数=FP/（FP+TN）

• 假反例率或II型错误：所有正例中被错误识别为反例的项目数=FN/（FN+TP）

• 混淆矩阵

• F1度量：精确性和召回率的调和平均值。F1 = 2*Precision*Recall/(Precision + Recall)

• 准确率：正确分类的项目总数百分比 (TP+TN)/(N+P)

ROC-AUC评分

ROC-AUC得分的概率解释是，如果随机选择一个正案例和一个负案例，根据分类器，正案例高于负案例的概率由AUC给出。

从数学上讲，它是由灵敏度曲线（TPR）下的面积计算的。

FPR（1-特异性）。理想情况下，我们希望具有高灵敏度和高特异度，但在实际情况下，敏感性和特异度之间始终存在权衡。

ROC-AUC的一些重要特征是

• 该值的范围可以是0到1。然而，平衡数据的随机分类器的auc得分是0.5

• ROC-AUC评分与分类阈值集无关。F1分数不一样，在概率输出的情况下，F1分数需要一个阈值确定

Log损失

对数损失是一种精度测量，它结合了以下二进制类表达式给出的概率置信度的概念：

它考虑了你的预测的不确定性，基于它与实际标签的差异。在最坏的情况下，假设你预测的概率都是0.5。因此，对数损失将变成-log（0.5）=0.69。

因此，我们可以说，考虑到实际的概率，任何高于0.6的都是一个非常糟糕的模型。

案例1

Log损失与ROC和F1度量的比较

以案例1为例，模型1在预测绝对概率方面做得更好，而模型2预测的概率值是有序递增的。让我们用实际分数来验证一下：

如果考虑到log丢失，模型2给出的log损失最高，因为绝对概率与实际标签有很大差异。但这与F1和AUC评分完全不一致，根据该评分模型2具有100%的精确率。

此外，你可以注意，对于不同的阈值，F1得分会变化，在默认阈值为0.5时，F1更喜欢模型1而不是模型2。

从上述示例得出的推论：

• 如果你关心绝对概率差，就用对数损失

• 如果你只关心某一个类的预测，而不想调整阈值，那么使用AUC score

• F1分数对阈值敏感，在比较模型之前，你需要先调整它

案例2

他们如何处理类别不平衡的情况？

这两个模型的唯一不同之处是它们对观测13和14的预测。模型1在对观测值13（标签0）进行分类方面做得更好，而模型2在对观测值14（标签1）进行分类方面做得更好。

我们的目标是看哪个模型能更好地捕捉到不平衡类分类的差异（标签1数据量少）。在欺诈检测/垃圾邮件检测这样的问题中，正例的标签总是很少，我们希望我们的模型能够正确地预测正例，因此我们有时会更喜欢那些能够对这些正例进行正确分类的模型

显然，在这种情况下，log损失是失败的，因为根据log丢失，两个模型的性能是相同的。这是因为log损失函数是对称的，并且不区分类。

F1度量和ROC-AUC评分在选择模型2方面均优于模型1。所以我们可以使用这两种方法来处理类不平衡。但我们必须进一步挖掘，看看他们对待类别不平衡的方式有哪些不同。

在第一个例子中，我们看到很少有正标签。在第二个例子中，几乎没有负标签。让我们看看F1度量和ROC-AUC如何区分这两种情况。

ROC-AUC评分处理少数负标签的情况与处理少数正标签的情况相同。这里需要注意的一件有趣的事情是，F1的分数在模型3和模型4中几乎是一样的，因为正标签的数量很大，它只关心正标签的错误分类。

从以上例子得出的推论：

• 如果你关心的是一个数量较少的类，并且不需要管它是正是负的，那么选择ROC-AUC分数。

你什么时候会选择F1度量而不是ROC-AUC？

当你有一个数量小的正类，那么F1的得分更有意义。这是欺诈检测中的常见问题，因为正标签很少。我们可以通过下面的例子来理解这个陈述。

例如，在大小为10K的数据集中，模型(1)预测100个真正例数据中有5个正例数据，而另一个模型(2)预测100个真正例数据中的90个正例数据。显然，在这种情况下，模型(2)比模型(1)做得更好。让我们看看F1得分和ROC-AUC得分是否都能捕捉到这种差异

• 模型（1）的F1得分=2*(1)*(0.1)/1.1 = 0.095

• 模型（2）的F1得分= 2*(1)*(0.9)/1.9 = 0.947

是的，F1成绩的差异反映了模型的表现。

• 模型（1）的ROC-AUC=0.5

• 模型（2）的ROC-AUC=0.93

ROC-AUC也给模型1打了一个不错的分数，这并不是一个很好的性能指标。因此，对于不平衡的数据集，在选择roc-auc时要小心。

你应该使用哪种度量来进行多重分类？

我们还有三种类型的非二分类：

• 多类：具有两个以上类的分类任务。示例：将一组水果图像分为以下任一类别：苹果、香蕉和桔子。

• 多标签：将样本分类为一组目标标签。示例：将博客标记为一个或多个主题，如技术、宗教、政治等。标签是独立的，它们之间的关系并不重要。

• 层次结构：每个类别都可以与类似的类别组合在一起，从而创建元类，这些元类又可以再次组合，直到我们到达根级别(包含所有数据的集合)。例子包括文本分类和物种分类。

在这个博客里，我们只讨论第一类。

正如你在上表中看到的，我们有两种类型的指标-微平均和宏平均，我们将讨论每种指标的利弊。多个类最常用的度量是F1度量、平均精度、log损失。目前还没有成熟的ROC-AUC多类评分。

多类的log损失定义为：

• 在微平均法中，将系统中不同集合的真正例、假正例和假反例进行汇总，然后应用它们得到统计数据。

• 在宏平均法中，取不同集合上系统的精度和召回率的平均值

如果存在类别不平衡问题，则采用微平均法。

到此，相信大家对“机器学习模型的度量选择怎么理解”有了更深的了解，不妨来实际操作一番吧！这里是亿速云网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！