Lets sagen, ich habe diese Daten:Precision und Recall
Right Wrong
oneName 420 60
twoName 200 40
Precison = TP/(TP + FP)
Recall = TP/(TP + FN)
diese Daten I Gegeben verstehen, dass Präzision:
420(TP)
420(TP) + 60(FP).
jedoch habe ich eine harte Zeit Verständnis und calculcating FN haben, wenn Sie r zu berechnen sind annehmen ecall. Was ist FN in diesem Szenario?
Ihre Genauigkeit für Klasse 1 ist die Anzahl der Instanzen, die korrekt als Klasse 1 (TP) dividiert durch die Gesamtzahl der Instanzen identifiziert wurden, die als Klasse 1 (TP + FP) identifiziert wurden. 420 wurden korrekt als Klasse 1 identifiziert, aber 40 wurden fälschlicherweise als Klasse 1 identifiziert. Ihre Genauigkeit für Klasse 1 ist also 420/(420 + 40).
Rückruf für Klasse 1 ist die Anzahl der Instanzen, die korrekt als Klasse 1 (TP) dividiert durch die Gesamtzahl der Instanzen der Klasse 1 (TP + FN) identifiziert werden. 420 wurden korrekt als Klasse 1 identifiziert, aber 60 Klasse 1-Instanzen wurden fälschlicherweise als Klasse 2 identifiziert. Ihr Rückruf für Klasse 1 ist 420/(420 + 60).
420 + 60 + 200 + 40 ist die Gesamtmenge der Daten. oneName ist Klasse 1, die 420 korrekt klassifizierte Instanzen hat, während 60 falsch sind. twoName ist Klasse 2, die 200 korrekt klassifizierte Instanzen hat, während 40 falsch sind. – sockevalley
So 60 der Klasse 1 wurden als Klasse 2 identifiziert? – Sam
Von meinem Verständnis ja. Es ist von einem Übungsbeispiel. – sockevalley
Nicht sicher, ich verstehe, was oneName und twoName sind ... sind das nur zwei Zeilen von nicht verwandten Daten? – Sam
Ziemlich viel. Es könnte Katze und Hund sein. Ist nicht wirklich wichtig. – sockevalley
Ich denke, ich habe es aus diesem [Link] (https://www.quora.com/What-ist-best-way-to-understand-the-terms-precision-and-recall) herausgefunden. Er sagt: "Also, Rückruf ist das Verhältnis einer Anzahl von Ereignissen, die Sie richtig zu einer Reihe aller richtigen Ereignisse abrufen können." Das würde bedeuten, dass Rückruf ist 420/620 (420 + 200) – sockevalley