任何人都可以帮我集体计算F-measure吗？我知道如何计算召回率和精确度，但不知道给定算法如何计算一个F度量值。
作为一个例子，假设我的算法创建 m 集群，但我知道有相同数据的 n 集群（由另一个基准算法创建）。
我发现了一个pdf，但它没用，因为我得到的集体值大于1. pdf的参考是F Measure explained。具体来说，我已经阅读了一些研究论文，其中作者在F-measure的基础上比较了两种算法，它们总共得到0到1之间的值。
如果你仔细阅读上面提到的pdf，公式是F（C，K）=Σ| ci | / N * max {F（ci，kj）}
其中ci是参考簇＆amp; kj是由其他算法创建的集群，这里我从1运行到n＆amp; j从1到m运行。这里说| c1 | = 218这里按pdf N = m * n假设m = 12且n = 10，并且我们得到j = 2的最大值F（c1，kj）。绝对F（c1，k2）介于0和1之间，但由上式计算的结果值我们将得到高于1的值。
答案 0 :(得分：5)
f-measure本身这个术语是不明确的。这是调和平均值，通常是精确度和召回率。实际上，如果您指的是未加权版本，您甚至应该说 F1-score ，因为您可以对两个输入值赋予不同的权重。但是，没有说明哪两个值是平均的（不是算术平均值！），这并没有多说。
https://en.wikipedia.org/wiki/F1_score
请注意，值必须位于0-1值范围。否则，您之前就有错误。
在聚类分析中，常见的方法是将F1-Measure应用于对的精度和召回，通常称为“对计数f-度量”。但你也可以在其他值上计算相同的均值。
配对计数具有很好的属性，它不直接比较集群，因此当一个结果具有m个集群，另一个具有n个集群时，结果定义良好。但是，对计数需要严格的分区。当元素未聚类或分配给多个聚类时，对计数度量可能很容易超出0-1范围。
讨论其中一些指标（包括兰德指数等），并简单解释“对计数F计量”。
答案 1 :(得分：2)
所以例如给定集合
D = {1, 2, 3, 4, 5, 6}
和分区，
P = {1, 2, 3}, {4, 5}, {6}, and
Q = {1, 2, 4}, {3, 5, 6}
其中P由我们的算法创建，Q由我们已知的标准算法创建
PairsP = {(1, 2), (1, 3), (2, 3), (4, 5)},
PairsQ = {(1, 2), (1, 4), (2, 4), (3, 5), (3, 6), (5, 6)}, and
PairsD = {(1, 2), (1, 3), (1, 4), (1, 5), (1, 6), (2, 3), (2, 4),
(2, 5), (2, 6), (3, 4), (3, 5), (3, 6), (4, 5), (4, 6), (5, 6)}
所以，
a = | PairsP intersection PairsQ | = |(1, 2)| = 1
b = | PairsP- PairsQ | = |(1, 3)(2, 3)(4, 5)| = 3
c = | PairsQ- PairsP | = |(1, 4)(2, 4)(3, 5)(3, 6)(5, 6)| = 5
F-measure= 2a/(2a+b+c)
答案 2 :(得分：2)
公式中的N，F（C，K）=Σ| ci | / N * max {F（ci，kj）}，是| ci |的总和在所有i上，即它是元素的总数。您可能会将其误认为是群集的数量，因此得到的答案大于1。如果进行更改，您的答案将介于1和0之间。
答案 3 :(得分：2)
mahesh cs 提供的示例是正确的，应该可以帮助您（和其他人）了解对计数f-measure的工作原理。
所提供的例子来自Darius Pfitzner，Richard Leibbrandt＆amp; Sons的文章“对聚类对的相似性度量的表征和评估”。 David Powers，包含了很多有关此主题的有用信息。