Co to jest próg optymalny F1? Jak to obliczyć?

Użyłem funkcji h2o.glm () w R, która daje tabelę zdarzeń w wyniku wraz z innymi statystykami. Tabela awaryjna nosi tytuł „ Tabulator krzyżowy oparty na optymalnym progu F1 ”

Wikipedia definiuje Wynik F1 lub Wynik F jako średnią harmoniczną precyzji i przywołania. Ale nie można znaleźć Precyzji i Przywołania tylko wtedy, gdy wynik przewidywanych wartości regresji logistycznej (na przykład) zostanie przekształcony na binarny przy użyciu odcięcia.

Teraz przez odcięcie pamiętam, jaki jest związek między wynikiem F1 a optymalnym progiem. Jak obliczany jest optymalny próg? Jak obliczany jest optymalny próg F1?

Przepraszam, jeśli coś przeoczyłem, jestem nowy w statystykach tutaj.

Mój pierwszy artykuł na temat uczenia maszynowego napisałem na ten temat. W nim stwierdziliśmy, że kiedy twój klasyfikator wyprowadza skalibrowane prawdopodobieństwa (tak jak powinno to być w przypadku regresji logistycznej), optymalny próg wynosi około 1/2 wyniku F1, który osiąga. To daje ci trochę intuicji. Optymalny próg nigdy nie będzie większy niż 0,5. Jeśli twoje F1 to 0,5, a próg to 0,5, powinieneś spodziewać się poprawy F1 przez obniżenie progu. Z drugiej strony, jeśli F1 wynosiłoby 0,5, a próg wynosił 0,1, prawdopodobnie należy zwiększyć próg, aby poprawić F1.

Artykuł ze wszystkimi szczegółami i dyskusją na temat tego, dlaczego F1 może, ale nie musi być dobrym środkiem do optymalizacji (zarówno w przypadku pojedynczego, jak i wielopłaszczyznowego), można znaleźć tutaj:

https://arxiv.org/abs/1402.1892

Przykro mi, że ten post zajął 9 miesięcy. Mam nadzieję, że informacje nadal będą przydatne!