¿Qué es el umbral óptimo de F1? ¿Cómo calcularlo?

He usado la función h2o.glm () en R que proporciona una tabla de contingencia en el resultado junto con otras estadísticas. La tabla de contingencia se titula "Tabla cruzada basada en el umbral óptimo F1 "

Wikipedia define la puntuación F1 o la puntuación F como la media armónica de precisión y recuperación. Pero no se encuentran Precision and Recall solo cuando el resultado de los valores pronosticados de una regresión logística (por ejemplo) se transforma en binario usando un punto de corte.

Ahora, por corte, recuerdo, ¿cuál es la conexión entre el puntaje F1 y el umbral óptimo? ¿Cómo se calcula el umbral óptimo? ¿Cómo se calcula el umbral óptimo de F1?

Lo siento si me he perdido algo, soy nuevo en estadísticas aquí

De hecho, escribí mi primer artículo sobre aprendizaje automático sobre este tema. En él, identificamos que cuando su clasificador genera probabilidades calibradas (como deberían para la regresión logística) el umbral óptimo es aproximadamente la mitad del puntaje F1 que logra. Esto te da algo de intuición. El umbral óptimo nunca será más de .5. Si su F1 es .5 y el umbral es .5, entonces debería esperar mejorar F1 bajando el umbral. Por otro lado, si la F1 fuera .5 y el umbral fuera .1, probablemente debería aumentar el umbral para mejorar la F1.

El documento con todos los detalles y una discusión de por qué F1 puede o no ser una buena medida para optimizar (tanto en el caso de una sola etiqueta como en el de múltiples etiquetas) se puede encontrar aquí:

https://arxiv.org/abs/1402.1892

Lamento que me haya llevado 9 meses llamar esta atención. ¡Espero que aún encuentres útil la información!