Vidéo: Qu'est-ce que la précision et le rappel dans l'exploration de données ?
2024 Auteur: Miles Stephen | [email protected]. Dernière modifié: 2023-12-15 23:36
Tandis que précision fait référence au pourcentage de vos résultats qui sont pertinents, rappeler fait référence au pourcentage du total des résultats pertinents correctement classés par votre algorithme. Pour d'autres problèmes, un compromis est nécessaire et une décision doit être prise s'il faut maximiser précision , ou rappeler.
De plus, qu'est-ce que la précision et le rappel avec l'exemple ?
Exemple de Précision - Rappeler métrique pour évaluer la qualité de sortie du classificateur. Précision - Rappeler est une mesure utile du succès de la prédiction lorsque les classes sont très déséquilibrées. En recherche d'informations, précision est une mesure de la pertinence des résultats, tandis que rappeler est une mesure du nombre de résultats vraiment pertinents renvoyés.
À côté de ci-dessus, comment calculez-vous la précision et le rappel dans l'exploration de données ? Par exemple, un score de précision et de rappel parfait se traduirait par un score F-Measure parfait:
- Mesure F = (2 * Précision * Rappel) / (Précision + Rappel)
- Mesure F = (2 * 1,0 * 1,0) / (1,0 + 1,0)
- Mesure F = (2 * 1,0) / 2,0.
- F-Mesure = 1,0.
A savoir aussi, qu'est-ce que la précision dans l'exploration de données ?
Dans la reconnaissance de formes, la recherche d'informations et classification (apprentissage automatique), précision (également appelée valeur prédictive positive) est la fraction d'instances pertinentes parmi les instances récupérées, tandis que le rappel (également appelé sensibilité) est la fraction du nombre total d'instances pertinentes qui ont été
Pourquoi utilisons-nous la précision et le rappel ?
La précision est défini comme le nombre de vrais positifs divisé par le nombre de vrais positifs plus le nombre de faux positifs. Tandis que rappeler exprime la capacité à trouver toutes les instances pertinentes dans un ensemble de données, précision exprime la proportion des points de données que notre modèle dit pertinents étaient réellement pertinents.
Conseillé:
Qu'est-ce que les données non groupées dans les statistiques ?
Les données non groupées sont les données que vous collectez d'abord à partir d'une expérience ou d'une étude. Les données sont brutes, c'est-à-dire qu'elles ne sont pas triées en catégories, classées ou autrement regroupées. Un ensemble de données non groupé est essentiellement une liste de nombres
Quelle méthode de classification des données place un nombre égal d'enregistrements ou d'unités d'analyse dans chaque classe de données ?
Quantile. chaque classe contient un nombre égal de caractéristiques. Une classification quantile est bien adaptée aux données distribuées linéairement. Quantile attribue le même nombre de valeurs de données à chaque classe
Qu'est-ce que la précision dans la matrice de confusion?
Une matrice de confusion est une technique permettant de résumer les performances d'un algorithme de classification. La précision de la classification à elle seule peut être trompeuse si vous avez un nombre inégal d'observations dans chaque classe ou si vous avez plus de deux classes dans votre ensemble de données
Quelle est la différence entre les données nominales ordinales et les données d'échelle ?
En résumé, les variables nominales sont utilisées pour « nommer » ou étiqueter une série de valeurs. Les échelles ordinales fournissent de bonnes informations sur l'ordre des choix, comme dans une enquête de satisfaction client. Les échelles d'intervalle nous donnent l'ordre des valeurs + la possibilité de quantifier la différence entre chacune
Quelle caractéristique des données est une mesure de la quantité que les données valorisent vraiment ?
Variation : mesure de la variation des valeurs des données. ? Distribution : La nature ou la forme de la diffusion des données sur la plage de valeurs (comme en forme de cloche). ? Valeurs aberrantes : valeurs d'échantillon très éloignées de la grande majorité des autres valeurs d'échantillon