想定される分類の問題では、モデルの性能を評価することは不可欠です。 精度、リコール、F1スコアなどのメトリックは、モデルが異なるクラスを予測する方法に洞察を提供します。 これらのメトリックを計算する方法を理解し、モデルを効果的に選択し調整するのに役立ちます。

精密精密精密

精密は正の予測の割合を測定します。真の正当と偽の正当の合計によって分かれる真の正の数として計算されます。

精密のための方式はあります:

精密=真の正性/(真の正性+偽の陽性)

再コール

呼び返し、感度として知られる、正しく特定される実際の正当の割合を測定します。それは真正と偽の負の合計によって分かれる真正の数として計算されます。

リコールの式は次のとおりです。

Recall = True Positives / (True Positives + False Negatives)]

F1 スコア

F1スコアは、精度を組み合わせ、調和的な意味を計算することによって、単一のメトリックにリコールします。特に、クラス分布が不均一な場合にバランスの取れた測定を提供します。

F1スコアの式は次のとおりです。

F1 スコア = 2 * (プレゼンテーション * リコール) / (プレシジョン + リコール)

インフォメーション

  • 精密は肯定的な予測の正確さを示します。
  • すべての正のインスタンスを識別する能力をリコールします。
  • F1スコアは精度のバランスをとり、単一のメトリックにリコールします。