什么是F1最佳阈值？如何计算呢？

我在R中使用了h2o.glm（）函数，该函数在结果以及其他统计信息中提供了列联表。列联表的标题为“ 基于F1最佳阈值的交叉表 ”

Wikipedia将F1分数或F分数定义为精确度和查全率的调和平均值。但是，仅当将逻辑回归的预测值（例如）使用截止值转换为二进制时，才能找到Precision和Recall。

现在我想起了截止点，F1得分和最佳阈值之间有什么联系。最佳阈值如何计算？F1最佳阈值如何计算？

抱歉，如果我错过了什么，我是这里的新手。

实际上，我在机器学习方面写了我的第一篇论文。在其中，我们确定了当您的分类器输出校准的概率（逻辑回归时应该使用它们）时，最佳阈值约为其达到的F1分数的1/2。这给您一些直觉。最佳阈值永远不会超过0.5。如果您的F1为.5并且阈值是.5，那么您应该期望通过降低阈值来提高F1。另一方面，如果F1为.5并且阈值为.1，则可能应该增加阈值以改善F1。

可以在以下位置找到包含所有细节的文章，以及关于为什么F1可能是或不是最佳优化手段的讨论（在单标签和多标签情况下）：

https://arxiv.org/abs/1402.1892

抱歉，此帖子花了9个月才引起我的注意。希望您仍然找到有用的信息！