Che cos'è la precisione e il richiamo nel data mining?
Che cos'è la precisione e il richiamo nel data mining?

Video: Che cos'è la precisione e il richiamo nel data mining?

Video: Che cos'è la precisione e il richiamo nel data mining?
Video: MASTER Machine learning e big data nella medicina di precisione e nella ricerca biomedica 2024, Aprile
Anonim

Mentre precisione si riferisce alla percentuale dei tuoi risultati che sono rilevanti, richiamare si riferisce alla percentuale del totale dei risultati rilevanti classificati correttamente dal tuo algoritmo. Per altri problemi è necessario un compromesso e si deve decidere se massimizzare precisione , o richiamare.

Inoltre, che cos'è la precisione e il richiamo con l'esempio?

Esempio di Precisione - Richiamare metrica per valutare la qualità dell'output del classificatore. Precisione - Richiamare è una misura utile del successo della previsione quando le classi sono molto squilibrate. Nel recupero delle informazioni, precisione è una misura della pertinenza del risultato, mentre richiamare è una misura di quanti risultati veramente rilevanti vengono restituiti.

Oltre a quanto sopra, come si calcola la precisione e il richiamo nel data mining? Ad esempio, un punteggio di precisione e richiamo perfetto comporterebbe un punteggio F-Measure perfetto:

  1. Misura F = (2 * Precisione * Richiamo) / (Precisione + Richiamo)
  2. Misura F = (2 * 1,0 * 1,0) / (1,0 + 1,0)
  3. Misura F = (2 * 1,0) / 2,0.
  4. Misura F = 1.0.

Inoltre, è necessario sapere che cos'è la precisione nel data mining?

Nel riconoscimento dei modelli, nel recupero delle informazioni e classificazione (apprendimento automatico), precisione (chiamato anche valore predittivo positivo) è la frazione di istanze rilevanti tra le istanze recuperate, mentre il richiamo (noto anche come sensibilità) è la frazione della quantità totale di istanze rilevanti che sono state

Perché usiamo la precisione e il richiamo?

La precisione è definito come il numero di veri positivi diviso per il numero di veri positivi più il numero di falsi positivi. Mentre richiamare esprime la capacità di trovare tutte le istanze rilevanti in un set di dati, precisione esprime la proporzione dei punti dati che il nostro modello afferma essere rilevanti in realtà erano rilevanti.

Consigliato: