Precision, tilbakemelding og F1-score er viktige målestok som brukes til å evaluere ytelsen til NLP-klassifikasjonsmodeller. De hjelper til å forstå hvor godt en modell forutsier ulike klasser, spesielt i ubalanserte datasett.

Forstå presisjon

Precision måler andelen av sanne positive spådommer blant alle positive spådommer som er gjort av modellen. Det indikerer hvor mange av de forutspådde positive tilfellene er faktisk positive.

Forståelsesminner

Husk, også kjent som følsomhet, måler andelen faktiske positive tilfeller som er riktig identifisert av modellen. Det gjenspeiler modellens evne til å oppdage positive tilfeller.

Beregner F1-scoren

F1-scoren er det harmoniske gjennomsnittet av presisjon og tilbakemelding. Den gir en enkelt metriske som balanserer begge, spesielt nyttig når klassefordelingen er ujevn.

Eksempelberegning

Anta at en modell forutsi 80 positive tilfeller, hvorav 60 er riktige. De totale faktiske positive tilfeller er 70. Beregningene er som følger:

  • Presisjon: 60 / 80 = 0,75
  • Recall: 60/70 ⁇ 0,857
  • F1-Score: 2 * (0,75 * 0,857) / (0,75 + 0,857) ⁇ 0,80