计算精度和召回率问题
计算精度和召回率是在信息检索、机器学习和数据挖掘等领域中常用的评估指标，用于衡量模型或算法的性能和准确性。下面是对计算精度和召回率的详细解释：
- 计算精度（Precision）： 计算精度是指在所有被分类为正例的样本中，真正例的比例。换句话说，计算精度衡量了模型在预测为正例的样本中的准确性。计算精度的计算公式如下： 精度 = 真正例 / (真正例 + 假正例)
- 召回率（Recall）： 召回率是指在所有真正例中，被正确预测为正例的比例。召回率衡量了模型对于正例的查全率，即模型能够正确识别出多少个真正例。召回率的计算公式如下： 召回率 = 真正例 / (真正例 + 假反例)
计算精度和召回率是一对相互影响的指标，通常在实际应用中需要根据具体的需求来权衡。较高的计算精度意味着模型在预测为正例的样本中更加准确，而较高的召回率意味着模型能够更好地识别出真正例。
应用场景： 计算精度和召回率广泛应用于信息检索、文本分类、图像识别、推荐系统等领域。在信息检索中，计算精度和召回率可以用来评估搜索引擎的性能，衡量搜索结果的准确性和完整性。在文本分类中，计算精度和召回率可以用来评估分类模型的性能，判断模型对于不同类别的分类能力。在图像识别中，计算精度和召回率可以用来评估模型对于不同类别的识别准确性。
腾讯云相关产品： 腾讯云提供了一系列与机器学习和数据分析相关的产品和服务，可以帮助用户进行模型训练、数据处理和性能评估。以下是一些推荐的腾讯云产品和产品介绍链接地址：
- 人工智能平台（https://cloud.tencent.com/product/ai） 腾讯云的人工智能平台提供了丰富的机器学习和深度学习工具，包括图像识别、语音识别、自然语言处理等功能，可以帮助用户构建高性能的模型并进行性能评估。
- 数据分析平台（https://cloud.tencent.com/product/dp） 腾讯云的数据分析平台提供了强大的数据处理和分析能力，包括数据仓库、数据集成、数据可视化等功能，可以帮助用户进行数据预处理和特征工程，为模型评估提供支持。
请注意，以上推荐的腾讯云产品仅供参考，具体选择和使用需根据实际需求进行评估和决策。
相关·内容
1回答
用交叉验证计算特异性
、、、
我想用交叉验证来计算特异性。我找到了计算精度，真的，F1分数和精度的代码。但我找不到特异性。例如，F1分数的代码类似于：
cross_val_score(SVC, X, y, scoring="f1", cv = 7)
或者说精确性就像：
cross_val_score(SVC, X, y, scoring="precision", cv = 7)
浏览 1提问于2020-10-26得票数 2
回答已采纳
2回答
我想用32个预测的蒙版图像和32个真实的蒙版图像做f1评分。我的数据有以下特点：
predicted.shape [32,512,512]
true.shape [32,512,512]
type_of_target(predicted) Unknown
type_of_target(true) Unknown
type_of_target(predicted[0]) Continuous-multioutput
type_of_target(true[0]) Continuous-multioutput
当我运行这一行f1_score(true，
浏览 0提问于2020-04-26得票数 1
我正在使用tensorflow的预训练BERT模型进行基于标记的分类，以自动标记句子中的因果。
为了访问BERT，我使用了来自huggingface：的TFBertForTokenClassification-Interface
我用来训练的句子都是根据BERT-tokenizer转换成记号(基本上是单词到数字的映射)，然后在训练之前填充到一定的长度，所以当一个句子只有50个记号，另一个只有30个时，第一个句子用50个单词填充，第二个句子用70个单词填充，得到的通用输入句子长度是100。
然后，我训练我的模型来预测每个标记，这个标记属于哪个标记；无论它是原因的一部分，还是结果的一部分，或者都不
浏览 0提问于2020-07-08得票数 1
1回答
精确度和召回率的几何平均值
、、、、
我正在尝试制定一个自定义指标来评估ML模型。我想让精度和召回率的加权几何平均值，并以一种优先于召回率而不是精确度的方式对其进行权衡。我知道几何平均值是sqrt(精确度*召回)，但我不确定如何将其参数化，以便在python中更重视召回。这里有来自不平衡库的度量，但是我看不到我可以提供的任何权重
imblearn.metrics.geometric_mean_score(y_true, y_pred, labels=None, pos_label=1, average='multiclass', sample_weight=None, correction=0.0)
你知道如何在p
浏览 2提问于2021-01-03得票数 2
sklearn.metrics.precision_recall_curve需要y_true和probas_pred作为输入。我认为为了计算精度和召回率，我们需要真实标签(y_true)和预测标签(y_predict)。那么为什么sklearn需要probas_pred呢？如何从y_predict获取probas_pred？谢谢。
浏览 0提问于2020-04-15得票数 0
我想通过使用Scikit计算f1_score来评估机器学习系统--对我的预测进行学习。然而，结果并不如预期的那样。调用confusion_matrix显示
[[ 3 11]
[ 5 31]]
如果手工计算f1评分为2*(精确性*回忆)/(精确+回忆)，则得到2*(3/8 * 31/42)/(3/8 + 31/42) = 0.497。但是调用f1_score(y_true，y_pred，average=)会产生0.7949的结果。有人能解释一下吗？
即使当真正的标签混合在一起时，我用不变的预测值1来调用f1_score，我也会得到高分，而不是我所期望的警告的0。我怀疑f1_score不是我所期
浏览 2提问于2020-01-11得票数 0
回答已采纳
1回答
我在学习机器学习理论。我有一个使用多类Logistic回归预测的混淆矩阵。
现在，我已经计算了微观和宏观平均数(精确和召回)。
它们的价值是完全不同的。现在我想知道是哪些因素影响了这一点。在什么情况下，微观和宏观会有很大的不同？
我注意到的是，不同类别的预测的准确性不同。这就是原因吗？还有什么其他因素会导致这种情况呢？
样本混淆矩阵：
我计算的微观宏观平均数：
precision-micro = ~0.7329
recall-micro = ~0,7329
precision-macro = ~0.5910
recall-macro = ~0.6795
浏览 1提问于2021-06-05得票数 0
回答已采纳
2回答
我是深度学习的新手，我希望能够使用F1分数来评估经过特定时期训练的模型。我认为它首先需要计算精度和召回率。 训练的模型是SSD-300-Tensorflow。有没有代码或者什么东西可以产生这些结果呢？我没有使用sci-kit或任何东西，因为我不确定是否需要这些来计算分数，但任何指导都是非常感谢的。 在名为metrics.py的文件夹tf_extended中有一个用于评估的文件，该文件具有用于精度和召回率的代码。训练完我的文件后，我将检查点放在了logs文件夹中。如何计算我的指标？由于硬件限制(GPU问题)，我使用Google collab
浏览 72提问于2021-10-03得票数 0
回答已采纳
我正在计算我最近准备的数据集上现成算法的精度和召回率。
这是一个二进制分类问题，我希望计算我构建的每个分类器的精度、召回率和f-分值。
test_x, test_y, predics, pred_prob,score = CH.buildBinClassifier(data,allAttribs,0.3,50,'logistic')
构建分类器方法基本上是构建分类器，对训练数据进行拟合，并返回test_x(测试数据的特征)、test_y(地面事实标签)、predict(分类器做出的预测)、red_prob( LogisiticRegression.predict_proba方法
浏览 1提问于2016-07-03得票数 5
1回答
王数据库的查准率与查全率
、、、
我在MATLAB中开发了一个CBIR系统，并将相似性度量作为欧氏距离。对于每一个查询图像，我都会检索前20张图片。
我用来测试我的系统。
它包含10个班(如非洲人民、公共汽车、玫瑰等)每个包含100幅图像(总共1000幅图像)。
我的方法：
我使用Correlogram，共现矩阵和差像素扫描模式分别构建我的向量(64+196+28=288维数)。
每一个1000分贝的图像，我都有它的矢量事先构造。
现在来了一个查询图像，我也构造了它的向量(228维)。
我用欧氏距离进行相似性排序，并按它们的欧几里德距离的降序排序db图像向量。
前20名的结果显示。
在这20个中
浏览 3提问于2015-04-22得票数 1
回答已采纳
1回答
顶k精度
、、
我有一个文档数据库，可以在其中执行搜索。对于每一个搜索，都有n个正数。现在，如果我用精度@k和recall@k来评估搜索的性能，那么对于后者来说，一切都进行得很好：
回溯@k=真正/正=真正/n
真正数在0，n范围内，所以recall@k在0，1-完美范围内。然而，关于精确度@k，事情变得很奇怪。如果我计算
精度@k= tp / (tp + fp) = tp /k
精度@k在0，n/k范围内，这对我来说没有多大意义。例如，考虑到边缘情况，n=1。我们不能增加tp信标，因为只有n个正数，也不能减少k，因为它被称为精度@k，不是吗？
我做错什么了？
我正在谈论的一个例子可以在图8b中找到。您可以看
浏览 2提问于2020-09-11得票数 3
回答已采纳
1回答
我的系统从一组句子中生成问题。可以根据句子的质量为单个句子生成多个问题。人类也会被赋予同样的句子来产生问题。
例如：
俄罗斯的首都是莫斯科。
============#系统生成的问题#=============
问题1:俄罗斯的首都是什么？
问题2:莫斯科是什么？
============#人工生成的问题#=============
问题1:俄罗斯的首都是什么？
问题2:莫斯科是什么？
问题3:俄罗斯首都是莫斯科吗？
我想评估我的系统的精确性、召回性和准确性。但我不知道如何计算这类措施的问题生成系统的情况。
数据
带注释的系统生成的问题集(可接受、不可接受)
人工生成的问题(针对同一组
浏览 2提问于2016-05-24得票数 0
1回答
我知道Recall= TP/ (TP+FN)
假设我考虑分类器的不同上下文的召回值。在一个上下文中，我将classA作为我的积极类，将classB作为我的负面类。在另一个上下文中，我将classA作为我的负面类，将classB作为我的正面类。
在这些上下文中，让R1和R2值成为回调值
R1=TP1/(TP1+FN1)
R2=TP2/(TP2+FN2)
But TP2=FN1 and FN2=TP1
So R2=FN1/(TP1+FN1)
So R1+R2=1
这个论点有什么问题吗?我觉得有问题，因为我看到分类器正在使用recall进行评估。
同样，如果我被要求计算分类器的召回率，它是R1还是R
浏览 0提问于2016-11-08得票数 0
我正在开发一个新的系统，它是基于信息检索的概念。我的系统从网上检索研究文章的pdf和ppt文件。当我计算系统的精确度、召回率和f分时，我已经产生了怀疑。我想从小组成员那里澄清这一点。令人怀疑的是，准确率、召回率和f-score之间是否会有巨大的差异。因为我计算的准确率大约是0.913，召回率非常低，比如0.3234，f-score大约是0.4323，等等，这可能吗？我的意思是，精确度和召回率会有这么大的差异吗，或者我计算错了。！！请提供您的建议以及您对一些笔记的参考。谢谢..
浏览 3提问于2011-08-23得票数 1
1回答
我正在研究两个不同季节的环路闭合检测问题，例如夏季和秋季。我需要绘制精确的回想曲线。假设我拍了500张夏天的照片和500张秋天的照片。我有距离矩阵。
但我完全搞不懂，如何制作精确的回忆曲线。例如，对于一个季节的每个图像，我将按照升序(距离)获得500张最近的图像。我知道精确度和召回率的定义，但我无法接近这个问题的解决方案。期待着任何形式的帮助或评论或建议。提前谢谢。
浏览 32提问于2018-09-10得票数 0
1回答
了解和跟踪对象检测中的度量
、、、、
如果我在自己的数据集上进行一些培训或评估，我会对度量有一些疑问。我仍然是这个话题的新手，只是尝试了tensorflow和googles对象检测api和tensorboard.
所以我做了所有这些事情，用对象检测api来启动和运行，对一些图像进行训练，并在其他图像上进行一些评估。
因此，我决定使用加权PASCAL度量集进行评估:在张量板中，我为每个类和mAP获得了一些mAP，这是可以看到的，现在出现了问题。
IoU给出了地面真相和预测盒重叠程度的值，并测量了我的目标检测器的精度。
第一个问题：如果没有探测到具有地面真相的物体，对IoU是否有影响？
第二个问题:如果一个地面真实物体被预测为假否定，
浏览 0提问于2018-01-26得票数 2
我在本地使用自己的数据集对Faster_rcnn_Inception模型和其他模型进行了培训。但我只能得到带边框的图像。我想得到精确和召回，以比较模型。我在compute_precision_recall中看到了metrics.py，但我不知道如何使用它。我的数据集只有一个类。
浏览 5提问于2017-12-20得票数 4
1回答
我在不平衡数据集上执行了支持向量机( SVM )，在70/30中拆分了训练/测试。训练集中的实例数为1级的1163993和0类的234190实例。对于测试集，我有1类的498699实例和0类的100189实例。支持向量机的混淆矩阵如下：
我应该使用什么度量来评估模型？使用f-avg、计算精度、回忆和以这种方式计算每个班级的f-1分数可以是一种解决方案：
然后计算f-avg，通过计算每个类的两个f-1分数的算术平均值，如上一表的最后一行所报告的那样？
浏览 2提问于2021-04-27得票数 0
回答已采纳
我想读取IRStatisticsImpl数据，但遇到了一些问题：
我的结果是：
IRStatisticsImpl[precision:0.04285714285714287,recall:0.04275534441805227,fallOut:0.0018668022652391654,nDCG:0.04447353132522083,reach:0.997624703087886]
这是否意味着，我只得到了4%的好推荐(精确度)和大致相同水平的差推荐(回想)？
数字最好应该是什么样子-精度为1.0，召回率为0.0？
浏览 1提问于2013-05-10得票数 4
回答已采纳
如果我没有错，我们计算精度和召回值的分类器由最终的标签预测。但是，precision_recall_curve in sklearn使用的是decision_function而不是最终的类标签。它对最终值有什么特别的影响吗？信心的程度对曲线有任何影响吗？
浏览 10提问于2020-07-20得票数 0
回答已采纳
鉴于以下预测的排名-文件清单：
query1_predicted = [1381, 1637, 646, 1623, 774, 1764, 92, 12, 642, 463, 613, ...]
这是手动标记的最佳选择：
query1_manual = 646
在python中已经实现的信息检索中是否有任何合适的度量来对此结果进行排序？
我不认为适用于我，因为我错过了真正的和完整排名的文档列表。我假设，回忆，精确，F评分和地图也不会工作，只要我没有一个完整的列表手动排序的结果，每个查询表明文档的相关性。
顺便说一句:预测列表的长度等于我的集合中的文档总数：
len(query1_predict
浏览 0提问于2019-04-03得票数 3
回答已采纳
1回答
我知道机器学习中的精确度和召回率之间的区别。一种是对假阳性进行优化，另一种是对假阴性进行优化。在统计学中，它被称为对类型I或类型II错误的优化。
然而，我很困惑在什么情况下可以得到完全相反的精确度和召回率？比如精度=1和Recall=0？
让我重复一下：
precision = true positives / (true positives + false positives)
recall = true positives / (true positives + false negatives)
这是混淆矩阵
predicted
(+) (-)
浏览 3提问于2017-06-05得票数 1
在我使用Apache Spark的朴素贝叶斯实现中，我总是得到相同的准确率和加权召回值。
我从Spark的教程中实现了朴素贝叶斯算法，除了上面提到的以外，它工作得很好。
Dataset<Row>[] splits = dataFrame.randomSplit(new double[]
{mainController.getTrainingDataRate(), mainController.getTestDataRate()});
Dataset<Row> train = splits[0];
浏览 3提问于2019-01-06得票数 0
1-使用已定义的RBF SVC模型m，对参数C和伽马值0.01、0.1、1、10运行网格搜索。网格搜索应找到最适合调用的模型。这个模型的召回率比精确度好多少？(计算召回-精度到小数点后3位)
(使用y_test和X_test计算精度和召回率。)
2-使用已定义的RBF SVC模型m，对参数C和伽马值0.01、0.1、1、10运行网格搜索。网格搜索应找到最优化精度的模型。这个模型的精确度比召回好多少？(计算精度-召回到小数点后3位)
(使用y_test和X_test计算精度和召回率。)
浏览 0提问于2019-02-01得票数 1
sklearn函数中计算的平均精度分数遵循下图所示的公式。
AP = Σ(Rn - Rn-1)Pn *The index value of the sumation is n. Please refer to the attached image for a clear version of the formula
我正在努力完全理解这个函数背后的数学原理。我特别好奇公式中的第n个阈值是如何计算的。阈值的数量是否等于样本的数量？
浏览 3提问于2021-07-20得票数 0
我正在学习文档的精确度和回忆力，但我在理解这个特定的问题时遇到了困难。
下表显示了由A和B表示的两个排名的检索搜索引擎返回的前6个结果的相关性。'+‘表示相关文档，'-’表示不相关的文档。
假设集合中相关文档的总数为4，则计算前1、2、3、4、5和6个结果的两个引擎的精确度召回值。
搜索引擎A的解决方案是：
Precision:--100%--|--50%--|--33.3%--|--25%--|--40%--|--50%--|
召回:------25%--|--25%--|--25%-----|--25%--|--50%--|--75%--|
B的解决方案：
精度：
浏览 1提问于2015-05-10得票数 0
1回答
我必须使用决策树对不平衡数据集(50000:0,1000:1)进行二进制分类。为了有一个好的回忆(0.92)，我使用了模块Imblearn中的RandomOversampling函数，并使用了max_depth参数进行修剪。问题是精度非常低(0.44)，我有太多的误报。
我试图训练一个特定的分类器来处理产生假阳性的边界实例。首先，我将数据集划分为训练集和测试集(80%-20%)。然后我在train2和test2集合中拆分训练(66%,33%)。我使用dtc(#1)来预测test2，并且我只采用预测为真的实例。然后，我在所有这些数据上训练了一个dtc(#2)，目的是建立一个能够区分边界情况的分类
浏览 0提问于2019-03-28得票数 1
2回答
我正在读关于机器学习中的精确性和回忆性的文章。
问题1：什么时候精确和回忆成反比？也就是说，什么时候会出现这样的情况:你可以提高精度，但代价是召回率较低，反之亦然？指出：
通常，精确性与召回之间存在着反向关系，在这种情况下，有可能以减少另一种为代价而增加其中一种。脑手术提供了一个明显的例子的权衡。
然而，我已经看到了研究实验的结果，精确性和回忆性同时提高(例如，当您使用不同或更多特性时)。
逆关系在什么情况下存在？
问题2：我熟悉两个领域的精确性和回忆性概念:信息检索(例如“从1MM页面语料库中返回100个最相关的页面”)和二进制分类(例如“将这100名患者中的每一位患者归类为是否患有
浏览 10提问于2014-08-13得票数 5
1回答
我第一次在Python中使用sklearn尝试做一些分类问题，并且想知道仅仅在训练数据上计算我的分类器(像SVM)的错误的最好方法是什么。
我的计算精度和rmse的示例代码如下：
svc = svm.SVC(kernel='rbf', C=C, decision_function_shape='ovr').fit(X_train, y_train.ravel())
prediction = svc.predict(X_test)
svm_in_accuracy.append(svc.score(X_train,y_train))
浏览 1提问于2018-02-02得票数 0
回答已采纳
2回答
📷
如您所见，它是关于使用linearSVC进行二进制分类的。1级的查全率高于0级(+7%)，0级的查全率高于1级(+11%)。你怎么解释这件事？
还有另外两个问题：“支持”代表什么？分类报告中的查准率和召回分数与sklearn.metrics.precision_score或recall_score的结果不同。为什么是这样？
浏览 0提问于2019-12-08得票数 30
回答已采纳
我正在重新训练一个更快的rcnn初始coco模型，用于检测货架上产品的品牌。
当总损失在一段时间内降至0.1以下时，我在400k步长左右停止了模型。召回率约为65%，准确率为40%，置信阈值为95%。
学习率从0.00001开始，配置为在200k步数后降至0.000005。
数据集大小为15个类，每个类至少有100个注释框。图片总数为300张。
如何提高模型的召回率？
我是否应该改用更快的rcnn ras (它具有更高的mAP，但我认为在我的用例中，精确度不如召回那么重要)？
另一个问题是:对象检测模型的召回率通常是多少？达到90%以上是非常具有挑战性的吗？
首先要感谢大家！
浏览 1提问于2018-04-21得票数 0
1回答
精度-召回曲线中的阈值是什么？
、、、、
我知道精确度的概念以及召回的概念。但我发现很难理解“门槛”的概念，它使任何P-R曲线成为可能。
想象一下，我有一个预测癌症复发(是或否)的模型，它使用相关特征上的一些像样的分类算法预测患者的癌症复发。我将我的数据拆分用于训练和测试。假设我使用训练数据训练了模型，并使用测试数据获得了精确度和召回率指标。
但是现在我该如何绘制P-R曲线呢？以什么为基础？我只有两个值，一个精确度和一个召回率。我读到“阈值”可以让你得到几个精确度-召回率对。但是这个门槛是什么呢？我还是一个初学者，我不能理解门槛的概念。
我在许多分类模型比较中都看到了类似下面的一个。但是他们是如何获得这么多对的呢？
浏览 7提问于2017-09-15得票数 29
回答已采纳
现在我将报告命名实体识别的结果。我发现有一点令人困惑的是，我对精确度和召回率的理解是，一个人简单地总结了所有类别的真阳性、真阴性、假阳性和假阴性。
但现在这似乎是不可信的，因为我认为每个错误分类都会同时产生一个假阳性和一个假阴性(例如，本应标记为"A“但被标记为"B”的标记是"A“的假阴性和”B“的假阳性)。因此，所有类别上的假阳性和假阴性的数量将是相同的，这意味着精度是(总是！)等同于回忆。这根本不可能是真的，所以我的推理中有一个错误，我想知道它在哪里。这当然是非常明显和直截了当的事情，但我现在想不起来了。
浏览 7提问于2009-11-23得票数 33
回答已采纳
1回答
我使用来自的实体链接模型来预测一组文档。因为它们实际上并没有解释如何计算精度、召回和F1。因此，我使用实际的标记创建了一个dataframe，并从测试数据中预测了标记。
Actual Predict
security security
london london
UK US
: :
: :
domain menu
sushi soso
tom
浏览 4提问于2022-01-29得票数 0
2回答
有了科学知识，我们就能计算出精度值和预测概率输出.为了计算精度值，学习精度/召回函数以真实目标值和预测目标概率(可以是目标分数或非阈值决策度量)作为输入，但计算的精度阵列与给定的预测概率长度不相同(精度长度= n_thresholds + 1)。
在给定的概率输出下，是否有可能计算精度？
浏览 0提问于2021-10-28得票数 -1
回答已采纳
1回答
有没有人可以帮我计算两个以上的类的精度和召回率。在互联网上用谷歌搜索时，我发现了以下帮助完整的URL
我想要完全相同的可用的上述网址使用NB分类器，除了我想要的精度和召回超过2个类别
请帮帮我
谢谢
浏览 0提问于2013-07-05得票数 0
1回答
如何估计大型数据集的准确性？
、、、、
考虑到我有一个深入的学习模式(从前同事那里移交)。由于某种原因，火车/开发设备丢失了。
在我的情况下，我想将我的数据集分类为100个类别。数据集非常不平衡。数据集的大小约为数千万。
首先，我运行模型，并在整个数据集上得到预测。
然后，我对每个类别的100条记录进行了抽样(根据预测)，并得到了10,000个测试集。
接下来，我为测试集标记了每个记录的真实度，并计算了每个类别的精度、召回、f1，得到了F1-微和F1-宏。
如何估计整个数据集的准确性或其他度量？我用每个类别的精度的加权和(整体上是预测的比例)来估计它是正确的吗？
浏览 0提问于2020-01-19得票数 2
在文档中，它将average_precision_score描述为精确召回曲线下的区域。我很难理解这个区域意味着什么？
这个度量和原始的精确评分有什么不同？
浏览 6提问于2016-01-19得票数 6
回答已采纳
我有一套10个实验，计算精度，回忆和F1评分为每个实验。现在，平均查准率和平均召回率很容易计算。我对F1的平均分数有些困惑。
关于如何计算平均F1分数，有两种方法：
用10个实验中的每一个实验的f1分数来计算它们的平均值。
取平均精度和平均召回率，然后使用公式f1 = 2*p*r/(p+r)计算f1分数。
我找不到任何有力的理由来支持这些论点。我能找到的最接近的文档是：https://www.kaggle.com/wiki/MeanFScore
有人能用一些参考(如果可能的话)来解释哪些方法是正确的，为什么？
编辑:其中一位成员建议使用这源。不过，我仍然怀疑消息来源的可靠性。我在他们的研究出版
浏览 0提问于2017-01-08得票数 8
回答已采纳
1回答
假设我们有99%的非跨度和1%的跨度。在这里，我编写了如下函数
function y = predictSpam(x)
y = 0;
return
在这里，我们有真正的正数是零。准确率为99%。在这种情况下，精确度和召回率为零。我的理解是正确的吗？在以下情况下，请求提供填写下表
actualclass1 | actualclass0
predict class1 0 | 0
-------------------------------------------------
predict class0
浏览 2提问于2017-03-10得票数 0
2回答
我知道F1-measure是精度和召回率的调和平均值。但是，什么值定义了F1度量的好坏？我似乎找不到任何参考资料(谷歌或学术)来回答我的问题。
浏览 0提问于2016-04-19得票数 29
sklearn上有一个评估指标，它是f1- score (也存在f-beta score)。
我知道如何使用它，但我不太明白它代表什么。
当它是大或小时，它表示什么。
如果我们把公式放在一边，我应该从f分值中理解什么？
浏览 3提问于2017-08-30得票数 6
回答已采纳
我想计算web服务排名算法的精确度和召回率。我在数据库中有不同的web服务。
客户在他/她的搜索中指定一些条件。根据用户的需求，我们的算法应该为数据库中的每个web服务分配一个分数，并检索得分最高的web服务。
我已经在网上搜索并阅读了这个网站上关于这个话题的所有问题，我知道精确度和召回率，但我不知道如何计算我的情况。最相关的搜索在这个链接中：
根据这篇文章，
精度=所有服务的最高等级分数/总等级分数
Recall=最高等级得分/第二高等级服务得分
但是，我认为这不是真的。你能帮帮我吗？
非常感谢。
浏览 1提问于2014-10-15得票数 1
我正在使用进行支持向量机分类。但是，我注意到，当我使用LOO评估多类分类器时，results对象不报告灵敏度和PPV值。相反，它们是0.0：
from PyML import *
from PyML.classifiers import multi
mc = multi.OneAgainstRest(SVM())
data = VectorDataSet('iris.data', labelsColumn=-1)
result = mc.loo(data)
result.getSuccessRate()
>>> 0.95333333333333337
re
浏览 2提问于2010-10-04得票数 1
回答已采纳
1回答
混淆矩阵
、
我对如何表示混淆矩阵感到困惑--在哪里放置FP和FN。Link1和Link2在二值分类中表现出不同的混淆矩阵。行表示实际值，列表示预测值。根据我的理解，正确的混淆矩阵应该是：
| Pred Neg| Pred Pos
|___________________
Actual Negative(class0) | TN | FP
------------------ |-------------
Actual Positive(Class1) | FN | TP
其中TN
浏览 0提问于2020-06-29得票数 2
回答已采纳
2回答
我刚开始用Python语言编写GridSearchCV，但是我搞不懂这里面到底有什么好处。我见过的某个地方
scorers = {
'precision_score': make_scorer(precision_score),
'recall_score': make_scorer(recall_score),
'accuracy_score': make_scorer(accuracy_score)
}
grid_search = GridSearchCV(clf, param_grid, scoring=score
浏览 2提问于2018-09-27得票数 8
回答已采纳
1回答
在精确性和回忆性之间总是有一种权衡。我正在处理一个多类的问题，对于某些类，我有很好的精确度，但回忆率却很低。
因为对于我的问题，假阳性不是一个问题，而不是一个真正的阳性，我想降低精度，以利于提高一些特定类的召回，同时保持其他事情尽可能稳定。，为了更好的召回，有什么方法可以利用精确性呢？
浏览 0提问于2018-02-18得票数 3
1回答
出于专业原因，我想学习和理解随机森林。如果我的理解是正确的，或者我在做逻辑上的错误，我会感到不安全。
我得到了一个有1500万个条目的数据集，并希望对一个数字目标(时间)进行回归。数据结构是：
我有7个分类变量，1个日期和4个数字特征。在数据准备之后，我将数据分成训练和测试数据集。
比我定义的梯度助推机模型和寻找合适的参数，通过尝试和误差，研究和更多的尝试和错误。到目前为止，这种方法正确吗？
#train and test are the prepared data frames
#RMSE is an implementation of the root mean squared error
浏览 0提问于2018-10-01得票数 1
1回答
有人能告诉我mahout的RecommenderIRStatsEvaluator是如何工作的吗？更具体地说，它是如何随机分割训练和测试数据的，结果与之比较的是什么？基于我的低估，您需要某种理想/预期的结果，需要与推荐算法的实际结果进行比较，才能找到TP或FP，从而计算精度或召回率。但是看起来mahout提供了一个精确/回忆的分数，而没有那个理想的/结果。
浏览 1提问于2013-12-09得票数 4
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
