Проблема классификации по нескольким классам при автоматическом извлечении тегов из обзоров фильмов. Пометка фильмов выявляет широкий спектр разнородной информации о фильмах, такой как жанр, структура сюжета, саундтреки, метаданные, визуальные и эмоциональные переживания. Эта информация может быть полезной при создании автоматических систем для создания тегов для фильмов. Системы автоматической пометки также помогают системам рекомендаций улучшить поиск похожих фильмов, а также..

В Части I книги Мультиклассовые метрики стали проще я объяснил точность и отзывчивость, а также то, как их вычислить для мультикласса классификатор. В этом посте я расскажу о другом популярном показателе эффективности, F1-score или, скорее, F1-score s , поскольку существует как минимум 3 варианта . Я объясню, почему используются оценки F1 и как их рассчитывать в условиях нескольких классов. Но сначала, БОЛЬШОЕ ПРЕДУПРЕЖДЕНИЕ: баллы F1 широко используются в качестве..