Calcul de la précision, du rappel et du score F1 pour les tâches de classification des Nlp

La précision, le rappel et le score F1 sont des paramètres importants utilisés pour évaluer les performances des modèles de classification NLP. Ils aident à comprendre dans quelle mesure un modèle prédit différentes classes, en particulier dans les ensembles de données déséquilibrés.

Comprendre la précision

La précision mesure la proportion de vrais prédictions positives parmi toutes les prédictions positives faites par le modèle. Elle indique combien de cas positifs prévus sont réellement positifs.

Comprendre le rappel

Le rappel, aussi connu sous le nom de sensibilité, mesure la proportion de cas positifs réels qui sont correctement identifiés par le modèle. Il reflète la capacité du modèle à détecter des cas positifs.

Calcul de la note F1

Le score F1 est la moyenne harmonique de précision et de rappel. Il fournit une seule métrique qui équilibre les deux, particulièrement utile lorsque la distribution de classe est inégale.

Exemple de calcul

Supposons qu'un modèle prédise 80 cas positifs, dont 60 sont exacts. Le total des cas positifs réels est de 70. Les calculs sont les suivants: