文档
了解F1分数，包括如何衡量它，以及如何使用Metabase在仪表板和可视化中利用它。
F1分数是机器学习中用于分类模型的度量标准。更具体地说，F1分数通过计算精确度和召回率的调和平均数来衡量错误。这个分数旨在通过精确度和召回率的计算来告诉您对于不平衡和平衡的数据集的准确结果。F1分数的范围是0到1，1是最好的可能分数。通过结合召回率和精确度来获得您的F1分数，您可以看到您的模型在捕获和预测正面案例时是否平衡。可视化您的F1分数可以显示您的分类模型和机器学习的进展。
开始使用
您的F1分数需要您知道精确度和召回率。您可以通过以下给定数据集的计算来确定这些数字：精确度：真正例的数量 / (真正例数量 + 假正例数量) 召回率：真正例的数量 / (真正例数量 + 真负例数量) 一旦您完成了这些计算，您就可以计算您的F1分数。记住，目标是确定这两个计算之间的平衡。您将这样计算您的F1分数：2 x (精确度 x 召回率) / (精确度 + 召回率) = F1分数
通过将最重要的指标收集到单一视图中，使每个人保持一致。
通过在内部的维基、网站和内容中嵌入数据，将数据带到需要的地方。
赋予您的团队测量自身进步和探索实现目标的新路径的权力。
没错，无需销售电话——只需注册，5分钟内即可开始运行。
我们连接到最受欢迎的生产数据库和数据仓库。
邀请您的团队并开始构建仪表板——无需SQL。
