F1-Score
Der F1-Score ist das harmonische Mittel aus Precision und Recall und liefert eine einzelne Kennzahl, die beide ausbalanciert. Er wird häufig zur Bewertung geospatialer Klassifikationsmodelle eingesetzt, besonders wenn die Klassenverteilung unausgewogen ist.
Überblick
Der F1-Score verbindet Precision und Recall zu einer einzelnen Kennzahl mittels des harmonischen Mittels: F1 = 2 * (Precision * Recall) / (Precision + Recall). Anders als das arithmetische Mittel bestraft das harmonische Mittel extreme Ungleichgewichte, sodass ein hoher F1-Score sowohl bei Precision als auch bei Recall angemessen hohe Werte voraussetzt. Ein F1-Wert von 1,0 zeigt perfekte Precision und perfekten Recall an, während ein F1-Wert nahe 0 auf eine schwache Leistung bei mindestens einer der beiden Kennzahlen hinweist. Der F1-Score ist besonders nützlich, wenn keine vorab festgelegte Präferenz zwischen Precision und Recall besteht und wenn die Klassenverteilung unausgewogen ist.
F1-Score bei der Bewertung geospatialer Modelle
Der F1-Score wird umfassend zur Bewertung geospatialer Klassifikations- und Erkennungsmodelle eingesetzt. Klassenspezifische F1-Werte zeigen, welche Landbedeckungstypen oder Objektkategorien gut klassifiziert werden und welche Verbesserung benötigen. Der Makro-F1 mittelt klassenspezifische F1-Werte gleichgewichtet und gibt seltenen sowie häufigen Klassen dasselbe Gewicht, was bei geospatialen Anwendungen wichtig ist, in denen Minderheitsklassen wie Feuchtgebiete oder bestimmte Infrastrukturtypen oft am wichtigsten zu erkennen sind. Der Mikro-F1 berechnet den F1-Wert aus aggregierten Zählwerten und gewichtet dadurch effektiv nach Klassenhäufigkeit. Bei der Objekterkennung verbindet der F1-Wert bei bestimmten IoU-Schwellenwerten die Erkennungsqualität mit der Lokalisierungsgenauigkeit.
Wann F1 verwendet wird und Alternativen
Der F1-Score ist am wertvollsten, wenn sowohl falsch positive als auch falsch negative Ergebnisse ähnliche Kosten verursachen und wenn eine Klassenungleichheit die Accuracy irreführend macht. In geospatialen Anwendungen, bei denen ein Fehlertyp kostspieliger ist, verallgemeinert der F-beta-Score den F1-Wert, indem er einen Parameter Beta einführt, der den Kompromiss zwischen Precision und Recall steuert. F2 betont den Recall (nützlich für die Schadenserkennung), während F0.5 die Precision betont (nützlich für hochsichere Kartierung). Die Angabe des F1-Werts zusammen mit den einzelnen Werten für Precision und Recall liefert das vollständigste Bild der Klassifikationsleistung.
Bereit?
Sehen Sie Mapular
in Aktion.
Buchen Sie eine kostenlose 30-minütige Demo. Wir zeigen Ihnen genau, wie die Plattform für Ihren Anwendungsfall funktioniert. Kein generisches Foliendeck, keine Verpflichtung.