Hvad er præcision og genkaldelse i data mining?
Hvad er præcision og genkaldelse i data mining?

Video: Hvad er præcision og genkaldelse i data mining?

Video: Hvad er præcision og genkaldelse i data mining?
Video: Introduction to Precision, Recall and F1 | Classification Models 2024, Kan
Anonim

Mens præcision refererer til den procentdel af dine resultater, der er relevante, minde om refererer til procentdelen af de samlede relevante resultater, der er korrekt klassificeret af din algoritme. For andre problemer er der behov for en afvejning, og der skal tages stilling til, om der skal maksimeres præcision , eller minde om.

Desuden, hvad er præcision og genkaldelse med eksempel?

Eksempel af Præcision - Minde om metrisk til at evaluere klassificerende outputkvalitet. Præcision - Minde om er et nyttigt mål for forudsigelsens succes, når klasserne er meget ubalancerede. Ved informationssøgning, præcision er et mål for resultatrelevans, mens minde om er et mål for, hvor mange virkelig relevante resultater, der returneres.

Udover ovenstående, hvordan beregner du præcision og tilbagekaldelse i data mining? For eksempel ville en perfekt præcision og genkaldesscore resultere i en perfekt F-målscore:

  1. F-mål = (2 * Præcision * Genkald) / (Præcision + Genkald)
  2. F-mål = (2 * 1,0 * 1,0) / (1,0 + 1,0)
  3. F-mål = (2 * 1,0) / 2,0.
  4. F-mål = 1,0.

Også at vide er, hvad er præcision i data mining?

I mønstergenkendelse, informationssøgning og klassifikation (maskinelæring), præcision (også kaldet positiv prædiktiv værdi) er brøkdelen af relevante instanser blandt de hentede instanser, mens genkaldelse (også kendt som sensitivitet) er brøkdelen af den samlede mængde af relevante instanser, der var

Hvorfor bruger vi præcision og genkaldelse?

Præcision er defineret som antallet af sande positive divideret med antallet af sande positive plus antallet af falske positive. Mens minde om udtrykker evnen til at finde alle relevante forekomster i et datasæt, præcision udtrykker andelen af de datapunkter, som vores model siger, var relevante, faktisk var relevante.

Anbefalede: