我可以在 JMP 中查看 F 1 分數嗎你好！ 我想知道在比較不同模型時是否可以在 JMP pro 中查看 F1 分數？
JMP 是否還提供模型的精確度或召回值？
非常感謝！！
回复：我可以在 JMP 中查看 F 1 分數嗎F1 在模型比較下的決策閾值部分中報告。要使用它，您必須將預測公式保存到數據表中，然後運行分析 > 預測建模 > 模型比較。然後選擇決策閾值在紅色小三角形下面。
回复：我可以在 JMP 中查看 F 1 分數嗎你好@奧列格,
@珍妮寫道：
...在模型比較下沒有找到精確度和召回率。 我想知道 JMP 是否有這些值。
JMP 在大多數平台上本身不具有這些值（自 JMP 16.2 版本起），並且@杜安·海耶斯2017 年回答，但可以根據當前提供的輸出進行計算。
@珍妮寫道：
據我了解，我們有時可能更關心精確或者不同情況下的召回率比錯誤分類率，對嗎？ 。
是的，這是我的理解。
為此，
我附上了 JMP 中列公式計算的示例，其中使用我很容易找到的公式計算準確度、F1 分數、精度和召回率。 Precision 和 Recall 的值與@珍妮提供（另請參閱 Josh Starmer 博士的《StatQuest 機器學習圖解指南！！！》第 144 頁，© 2022）。準確度和 F1 分數的公式可以在此處以及其他地方找到（維基百科）： https://neptune.ai/blog/f1-score-accuracy-roc-auc-pr-auc 。此示例來自 VSSTeamData.jmp 示例數據文件，該文件是 JMP 免費在線應用統計課程的一部分， STIPS 。 計算結果與 JMP 在混淆矩陣輸出中報告的內容一致，該混淆矩陣輸出與此處生成並保存為已保存數據表腳本的分區模型相關聯。
單擊腳本名稱旁邊的綠色播放按鈕可在打開 .jmp 數據表後重新生成模型。
我希望這些信息對你有用！- 帕特里克·朱利亞諾（ @JMP 技術支持）
回复：我可以在 JMP 中查看 F 1 分數嗎嗨，伊恩，你要了一個公式。珍妮提供了一份。仍然沒有解決方案，但該討論的觀看次數已超過 500 次。 所以，這個問題是有分量的。
回复：我可以在 JMP 中查看 F 1 分數嗎任何人都可以對珍妮的回答提供清晰簡潔的答案，而不是在這次討論中發表意見嗎？ 這不是博客。 提出問題，回答問題。 提前致謝。
回复：我可以在 JMP 中查看 F 1 分數嗎F1 分數（以及其他流行的準確性衡量標準）因其在偏差下的表現而在機器學習社區的某些角落已被棄用。 請參考隨附的文件，其中建議了接收者操作曲線和其他措施的實用性。
JMP 在某些平台上確實包含 ROC（和提升曲線）。
回复：我可以在 JMP 中查看 F 1 分數嗎此類問題可以直接詢問JMP 技術支持這樣我們就可以參與其中。
對於該問題，當選擇“ROC 曲線”菜單項時，JMP 會在 ROC 表中給出靈敏度和 1-特異性的測量值，以及真陽性、真陰性、假陽性和假陰性。F1沒有具體列出，但是從描述來看，可以通過這些措施來計算。
回复：我可以在 JMP 中查看 F 1 分數嗎一位智者曾經說過，“唯一稀缺的商品是時間”，我認為可以理解的是，社區依賴於眾包知識（來自用戶和 JMP 員工），如果依賴於小團體，就無法有效運作。
除了社區之外，還有官方支持渠道，任何獲得 SAS 產品許可的人都可以使用。 一個關鍵的區別是，存在針對響應時間的服務級別協議，以及用於升級以獲得令人滿意的解決方案的內部流程。 這絕對是發現可疑錯誤的最佳機制，也是提出新功能請求的最佳機制。 此外，“我該怎麼辦？”問題，或者“我習慣了軟件 X，但無法在 JMP 中做同樣的事情”問題也將得到解答，但會在這個更嚴格和可預測的框架內進行。
因此，對於錯誤和功能，或者如果社區似乎沒有響應，我當然也會考慮這個頻道。 而且，也許顯而易見的是，它不一定是“一個或另一個”。 許多社區主題都指向支持軌道。
回复：我可以在 JMP 中查看 F 1 分數嗎嗨伊恩，
我對你的回復有點驚訝。 在網絡上搜索“F1 分數”、自我教育並以有意義的答案回復用戶並不需要太多精力（尤其是對於 JMP 專家而言）。 此外，詢問者提供了額外的信息，但從未得到有意義的支持。 這也令人驚訝。
您或任何其他具有適當專業知識的人是否可以幫助 JMP 社區解決這個問題？ F1成績是邏輯回歸（或任何具有名義響應的模型）和不平衡響應水平（真陰性明顯多於真陽性）的關鍵度量。 不勝感激。 如前所述，維基百科詳細描述了這些概念。
您提供的模型比較鏈接很詳細，但似乎缺少 F1 分數計算。 我確信這可以手動完成，但是，如果 JMP 中缺少此功能，則應將其視為一項功能。 提前致謝。
回复：我可以在 JMP 中查看 F 1 分數嗎你好！ 非常感謝你的回复。 F1 分數是測試準確性的衡量標準。 這是關於 F1 分數的 Wilipedia 鏈接。 https://en.wikipedia.org/wiki/F1_score
對於第二個問題，是的，我正在考慮預測值。
精確=真陽性/(真陽性+假陽性)
並回憶=真正的積極因素/(真正的積極因素+假陰性）
我在模型比較下沒有找到精確度和召回率。 我想知道 JMP 是否有這些值。 據我了解，在不同情況下，我們有時可能更關心精確率或召回率，而不是錯誤分類率，對吧？
回复：我可以在 JMP 中查看 F 1 分數嗎我假設你已經看過型號比較JMP Pro 中的平台。 不幸的是，我不熟悉“F1 分數”，所以您能提供更多詳細信息或鏈接嗎？ 關於第二個問題，您是否考慮了預測值以及其中的不確定性？
