Wat is precisie en recall in datamining?
Wat is precisie en recall in datamining?

Video: Wat is precisie en recall in datamining?

Video: Wat is precisie en recall in datamining?
Video: Introduction to Precision, Recall and F1 | Classification Models 2024, December
Anonim

Terwijl precisie verwijst naar het percentage van uw resultaten dat relevant is, terugroepen verwijst naar het percentage van de totale relevante resultaten die correct zijn geclassificeerd door uw algoritme. Voor andere problemen is een afweging nodig en moet worden besloten of er gemaximaliseerd moet worden precisie , of terugroepen.

Bovendien, wat is precisie en herinnering met voorbeeld?

Voorbeeld van Precisie - Terugroepen metriek om de uitvoerkwaliteit van de classificatie te evalueren. Precisie - Terugroepen is een bruikbare maatstaf voor het succes van voorspelling wanneer de klassen erg onevenwichtig zijn. Bij het ophalen van informatie, precisie is een maatstaf voor de relevantie van het resultaat, terwijl terugroepen is een maatstaf voor het aantal echt relevante resultaten dat wordt geretourneerd.

Hoe bereken je naast bovenstaande, precisie en recall in datamining? Een perfecte precisie- en recall-score zou bijvoorbeeld resulteren in een perfecte F-Measure-score:

  1. F-maat = (2 * Precisie * Recall) / (Precisie + Recall)
  2. F-maat = (2 * 1,0 * 1,0) / (1,0 + 1,0)
  3. F-maat = (2 * 1,0) / 2,0.
  4. F-maat = 1,0.

Ook om te weten, wat is precisie in datamining?

Bij patroonherkenning, het ophalen van informatie en classificatie (machinaal leren), precisie (ook wel positief voorspellende waarde genoemd) is de fractie van relevante instanties onder de opgehaalde instanties, terwijl terugroepen (ook bekend als gevoeligheid) de fractie is van het totale aantal relevante instanties die werden

Waarom gebruiken we precisie en recall?

Precisie is: gedefinieerd als het aantal true positives gedeeld door het aantal true positives plus het aantal false positives. Terwijl terugroepen drukt de mogelijkheid uit om alle relevante instanties in een dataset te vinden, precisie geeft de proportie van de gegevenspunten weer waarvan ons model zegt dat ze relevant waren, daadwerkelijk relevant waren.

Aanbevolen: