Precisão, recordar interpretação

A precisão pode ser vista como uma medida de qualidade e o recall como uma medida de quantidade. Maior precisão significa que um algoritmo retorna resultados mais relevantes do que irrelevantes, e alta recuperação significa que um algoritmo retorna a maioria dos resultados relevantes (sejam ou não irrelevantes também retornados).

1. O que é uma boa pontuação de precisão e recall?
2. O que uma curva de recuperação de precisão diz a você?
3. O que é uma pontuação F1 aceitável?
4. Como você interpreta uma pontuação F?

O que é uma boa pontuação de precisão e recall?

A alta precisão está relacionada à baixa taxa de falsos positivos. Nós temos 0.Precisão do 788 que é muito bom. Recall (Sensibilidade) - Recall é a proporção de observações positivas preditas corretamente para todas as observações na aula real - sim.

O que uma curva de recuperação de precisão diz a você?

As curvas de recuperação de precisão resumem a compensação entre a taxa positiva verdadeira e o valor preditivo positivo para um modelo preditivo usando diferentes limites de probabilidade.

O que é uma pontuação F1 aceitável?

Uma pontuação F1 é considerada perfeita quando é 1, enquanto o modelo é uma falha total quando é 0 . Lembre-se: todos os modelos estão errados, mas alguns são úteis. Ou seja, todos os modelos gerarão alguns falsos negativos, alguns falsos positivos e, possivelmente, ambos.

Como você interpreta uma pontuação F?

Se você obtiver um grande valor de f (um que é maior do que o valor crítico F encontrado em uma tabela), significa que algo é significativo, enquanto um pequeno valor de p significa que todos os seus resultados são significativos. A estatística F apenas compara o efeito conjunto de todas as variáveis ​​juntas.