快速求解 best F1-score 以及对应的阈值

阳光穿透心脏的1/2处 2022-10-19 04:12 59阅读 0赞

## 问题描述 ##

在二分类问题中，评测某种算法有很多指标，很多论文是通过比较 F1-score 来证明自己的算法是可行的。best F1-score 是指在不确定阈值的情况下，如何找到最合适的阈值，使得 F1-score 值最大。

## F1-score 计算方法 ##

**TP/FP/TN/FN**

<table> 
 <thead> 
  <tr> 
   <th align="center"></th> 
   <th align="center">全称</th> 
   <th align="center">真实值(标签，label)</th> 
   <th align="center">预测值(predict)</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td align="center">TP</td> 
   <td align="center">True Positive</td> 
   <td align="center">1</td> 
   <td align="center">1</td> 
  </tr> 
  <tr> 
   <td align="center">FP</td> 
   <td align="center">False Positive</td> 
   <td align="center">0</td> 
   <td align="center">1</td> 
  </tr> 
  <tr> 
   <td align="center">TN</td> 
   <td align="center">True Negative</td> 
   <td align="center">0</td> 
   <td align="center">0</td> 
  </tr> 
  <tr> 
   <td align="center">FN</td> 
   <td align="center">False Negative</td> 
   <td align="center">1</td> 
   <td align="center">0</td> 
  </tr> 
 </tbody> 
</table>

Positive 与 Negative 是指预测，True 与 False 是指预测与结果是否一致。

**精准度(precision)**

p r e c i s i o n = T P T P + F P precision = \\frac\{TP\}\{TP+FP\} precision=TP\+FPTP

**召回率(recall)**

r e c a l l = T P T P + F N recall = \\frac\{TP\}\{TP+FN\} recall=TP\+FNTP

**F1-score**

F 1 − s c o r e = 2 ∗ r e c a l l ∗ p r e c i s i o n r e c a l l + p r e c i s i o n F1-score = \\frac\{2\*recall\*precision\}\{recall+precision\} F1−score=recall\+precision2∗recall∗precision

当然，如果感兴趣的话可以代入求解

F 1 − s c o r e = 2 ∗ T P T P + F P ∗ T P T P + F N T P T P + F P + T P T P + F N = 2 ∗ T P 2 ∗ T P + F P + F N F1-score = \\frac\{2\*\\frac\{TP\}\{TP+FP\}\*\\frac\{TP\}\{TP+FN\}\}\{\\frac\{TP\}\{TP+FP\}+\\frac\{TP\}\{TP+FN\}\} \\\\ =\\frac\{2\*TP\}\{2\*TP+FP+FN\} F1−score=TP\+FPTP\+TP\+FNTP2∗TP\+FPTP∗TP\+FNTP=2∗TP\+FP\+FN2∗TP

## 根据阈值打标 ##

很多算法进行二分类时，返回的是二分类的概率值，然后根据阈值来确定具体分类。

一般情况下，都是通过比较大小关系而进行标记。换句话说，对于概率值序列  S = \{ a 0 , a 1 , . . . , a n − 1 \} S=\\\{a\_0,a\_1,...,a\_\{n-1\}\\\} S=\{ a0,a1,...,an−1\}，需要找到最好的阈值  α \\alpha α ，如果  a i ≥ α a\_i \\ge \\alpha ai≥α 则， p r e d i = 1 pred\_i = 1 predi=1。一般而言， α ∈ S \\alpha \\in S α∈S。

## 找到最合适的阈值 ##

直接使用 sklearn 提供的方法比较简单，但这里先简单介绍一下基本原理。

计算方法也非常简单粗暴，直接把可能阈值全部计算一遍，得到一个 F1-score 数组，然后找到最大值以及对一个的阈值即可。

from sklearn.metrics import precision_recall_curve
    import numpy as np
    
    predict = [0.1, 0.2, 0.3, 0.4, 0.5, 
               0.5, 0.6, 0.6, 0.7, 0.7,
               0.8, 0.8, 0.8, 0.8, 0.8,
               0.8, 0.9, 0.9, 0.9, 0.9]
    
    label =   [0, 0, 0, 0, 0, 
               1, 1, 0, 1, 1,
               1, 1, 1, 1, 1,
               1, 1, 1, 1, 1]
    
    precisions, recalls, thresholds = precision_recall_curve(label,predict)
    
    # 拿到最优结果以及索引
    f1_scores = (2 * precisions * recalls) / (precisions + recalls)
    best_f1_score = np.max(f1_scores[np.isfinite(f1_scores)])
    best_f1_score_index = np.argmax(f1_scores[np.isfinite(f1_scores)])
    
    # 阈值
    best_f1_score, thresholds[best_f1_score_index]

输出的内容为：

(0.9333333333333333, 0.5)

> Smileyan  
> 2021.7.9 18：28