问题描述
我在不平衡数据集上执行了 SVM，以 70/30 拆分训练/测试。训练集中的实例数为class 1的1163993和class 0的234190个实例。对于测试集，我有 498699 个 class 1 实例和 100189 个 class 0 实例。 SVM 的混淆矩阵如下所示：
我应该使用什么指标来评估模型？以这种方式使用 f-avg，计算每个类的精度、召回率和 f-1 分数可能是一种解决方案：
然后通过对每个班级计算的两个 f-1 分数的算术平均值计算 f-avg，如上表的最后一行所示？
解决方法
我假设您正在此处寻找概率评估指标。在我看来，使用 AUC-ROC（使用精度和召回率计算）将是正确的方法，实际上对于大多数二元分类问题。
另请参阅this article。