정밀, 리콜 및 F1-score는 NLP 분류 모델의 성능을 평가하는 데 사용되는 중요한 지표입니다. 그들은 모델이 다른 클래스를 예측하는 방법을 이해하는 데 도움이, 특히 불균형 데이터 세트.

정밀 가공

정밀는 모델에 의해 만들어진 모든 긍정적인 예측 중 진정한 긍정적 인 예측의 비율을 측정합니다. 예측 된 긍정적 인 사례의 많은 것을 실제로 긍정적 인 사례가 무엇인지 나타냅니다.

Recall 이해

Recall, 또한 감도로 알려진, 모델에 의해 올바르게 식별 된 실제 긍정적 인 사례의 비율을 측정합니다. 그것은 긍정적 인 인스턴스를 감지하는 모델의 능력을 반영합니다.

F1-Score의 계산

F1-score는 정밀 및 리콜의 조화로운 의미입니다. 그것은 클래스 배포가 언젠 때 특히 유용합니다 균형이 단일 메트릭을 제공합니다.

예제 계산

모델은 80 긍정적 인 사례를 예측합니다. 60은 올바른 것입니다. 총 실제 긍정적 인 사례는 70입니다. 계산은 다음과 같습니다.

  • 예: 60 / 80 = 0.75
  • Recall: 60 / 70 ≈ 0.857
  • F1-Score: 2 * (0.75 * 0.857) / (0.75 + 0.857) ≈ 0.80