Nei problemi di classificazione supervisionati, la valutazione delle prestazioni di un modello è essenziale. I metrici come precisione, richiamo e punteggio F1 forniscono informazioni su come il modello predice classi diverse. Capire come calcolare queste metriche aiuta a selezionare e sintonizzare i modelli in modo efficace.

Precisione

La precisione misura la proporzione di previsioni positive che sono corrette, e viene calcolata come il numero di veri positivi suddivisi per la somma di veri positivi e falsi positivi.

La formula per la precisione è:

Precisione = Vero Positivi / (True Positives + False Positives)[

Richiamo

Richiamo, anche nota come sensibilità, misura la proporzione di positivi effettivi che vengono correttamente identificati, e si calcola come il numero di veri positivi suddivisi per la somma di veri positivi e falsi negativi.

La formula per il richiamo è:

Richiesta = veri positivi / (positivi di tiro + falsi negativi)[

F1 Score

Il punteggio F1 combina precisione e richiamo in una singola metrica calcolando il loro mezzo armonico, fornendo una misura equilibrata, soprattutto quando la distribuzione di classe è irregolare.

La formula per il punteggio F1 è:

F1 Punteggio = 2 * (Precisione * Richiamo) / (Precisione + Richiamo)

Sintesi

  • La precisione indica l'accuratezza delle previsioni positive.
  • Richiamo misure la capacità di identificare tutte le istanze positive.
  • Il punteggio F1 bilancia la precisione e richiama in un unico metrico.