f1-score에 대해서 알아보자(1)

얼마 전 나갔던 경진대회에서는 평가 메트릭으로 macro f1-score를 사용하였습니다.

 

macro f1-score는 각각의 클래스에 대해 f1-score를 계산한 다음 각각의 값의 평균으로 계산합니다.

 

여기서 F1-score는 어떻게 계산할 수 있을까요?

F1-score = 2 * (precision * recall) / (precision + recall)

 

Precision 이란 정밀도라고 해석되며 true라고 예측한 것 중 실제 true 인 것의 비율로 계산합니다.

Precision = tp / tn + tp 

 

Recall 이란 재현율이라고 해석되며 실제 true 인 것 중 true로 예측한 것의 비율로 계산합니다.

Recall = tp / fn + tp

 

scikit learn 라이브러리에서 f1-score 모듈을 제공합니다.

코드로 확인해 봅시다.

 

from sklearn.metrics import f1_score

y_true = [0, 1, 2, 0, 1, 2]
y_pred = [0, 2, 1, 0, 0, 1]

f1score_None = f1_score(y_true, y_pred, average=None) # array([0.8, 0. ,0. ])
f1score_macro = f1_score(y_true, y_pred, average='macro') # 0.26...(=0.8 / 3)