Domande taggate «precision-recall»

I costi di spedizione sono un modo per misurare la pertinenza dell'insieme di istanze recuperate. La precisione è la percentuale di istanze corrette rispetto a tutte le istanze recuperate. Rilevanza è la% di istanze effettive recuperate. La media armonica di P&R è il punteggio di F1. I P&R vengono utilizzati nel data mining per valutare i classificatori.

Classificatore con precisione regolabile vs richiamo

Sto lavorando a un problema di classificazione binaria in cui è molto più importante non avere falsi positivi; molti falsi negativi vanno bene. Ho usato un sacco di classificatori in sklearn per esempio, ma penso che nessuno di loro abbia la capacità di regolare esplicitamente il compromesso del richiamo di …

11 classification precision-recall

Cos'è una buona AUC per una curva di richiamo di precisione?

Poiché ho un set di dati molto sbilanciato (esiti positivi del 9%), ho deciso che una curva di richiamo di precisione era più appropriata di una curva ROC. Ho ottenuto l'analoga misura sommaria dell'area sotto la curva PR (.49, se sei interessato) ma non sono sicuro di come interpretarla. Ho …

11 classification precision-recall auc

Perché il punteggio f beta definisce la beta in questo modo?

Questo è il punteggio F beta: Fβ= ( 1 + β2) ⋅ p r e c i s i o n ⋅ r e c a l l( β2⋅ p r e c i s i o n ) + r e c a l lFβ=(1+β2)⋅precision⋅recall(β2⋅precision)+recallF_\beta = (1 + \beta^2) …

10 machine-learning precision-recall model-evaluation

Interpretazione dell'area sotto la curva PR

Attualmente sto confrontando tre metodi e ho l'accuratezza, auROC e auPR come metriche. E ho i seguenti risultati: Metodo A - acc: 0.75, auROC: 0.75, auPR: 0.45 Metodo B - acc: 0.65, auROC: 0.55, auPR: 0.40 Metodo C - acc: 0,55, auROC: 0,70, auPR: 0,65 Ho una buona comprensione dell'accuratezza …

10 machine-learning roc precision-recall

Perché il richiamo non tiene conto dei veri negativi?

Perché il richiamo non tiene conto dei veri negativi? Negli esperimenti in cui i veri negativi sono importanti tanto quanto i veri positivi, è la loro metrica comparabile che ne tiene conto?

10 precision-recall

soglia di classificazione in RandomForest-sklearn

1) Come posso modificare la soglia di classificazione (penso che sia di default 0,5) in RandomForest in sklearn? 2) come posso sottocampionare in sklearn? 3) Ho il seguente risultato dal classificatore RandomForest: [[1635 1297] [520 3624]] precision recall f1-score support class 0 0.76 0.56 0.64 2932 class 1 0.74 0.87 …

9 classification random-forest precision-recall unbalanced-classes

Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.

Licensed under cc by-sa 3.0 with attribution required.