Wat is akkuraatheid en herroeping in data-ontginning?
Wat is akkuraatheid en herroeping in data-ontginning?

Video: Wat is akkuraatheid en herroeping in data-ontginning?

Video: Wat is akkuraatheid en herroeping in data-ontginning?
Video: Accuracy measures in Data Mining 2024, Desember
Anonim

Terwyl presisie verwys na die persentasie van jou resultate wat relevant is, herroep verwys na die persentasie van die totale relevante resultate wat korrek deur jou algoritme geklassifiseer is. Vir ander probleme is 'n afweging nodig, en 'n besluit moet geneem word of dit maksimeer moet word presisie , of herroep.

Verder, wat is akkuraatheid en herroeping met voorbeeld?

Voorbeeld van Presisie - Herroep metrieke om klassifiseerder-uitsetkwaliteit te evalueer. Presisie - Herroep is 'n nuttige maatstaf van sukses van voorspelling wanneer die klasse baie ongebalanseerd is. In inligtingsherwinning, presisie is 'n maatstaf van resultaat relevansie, terwyl herroep is 'n maatstaf van hoeveel werklik relevante resultate gelewer word.

Behalwe hierbo, hoe bereken jy akkuraatheid en herroeping in data-ontginning? Byvoorbeeld, 'n perfekte presisie- en herroeptelling sal 'n perfekte F-maattelling tot gevolg hê:

  1. F-maat = (2 * Presisie * Herroep) / (Presisie + Herroep)
  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.

Om ook te weet is, wat is akkuraatheid in data-ontginning?

In patroonherkenning, inligtingherwinning en klassifikasie (Masjienleer), presisie (ook genoem positiewe voorspellende waarde) is die fraksie van relevante gevalle onder die opgespoorde gevalle, terwyl herroeping (ook bekend as sensitiwiteit) die fraksie is van die totale aantal relevante gevalle wat was

Hoekom gebruik ons akkuraatheid en herroeping?

Presisie is gedefinieer as die aantal ware positiewe gedeel deur die aantal ware positiewe plus die aantal vals positiewe. Terwyl herroep spreek die vermoë uit om alle relevante gevalle in 'n datastel te vind, presisie druk die proporsie van die datapunte uit wat ons model sê relevant was, was eintlik relevant.

Aanbeveel: