Berekening van precisie, terugroep en F1-score voor taken in de rangschikking van de NFP

Precisie, terugroep en F1-score zijn belangrijke metrics die gebruikt worden om de prestaties van NLP classificatiemodellen te evalueren. Ze helpen begrijpen hoe goed een model verschillende klassen voorspelt, vooral in onevenwichtige datasets.

Precisie begrijpen

Precisie meet het aandeel van de positieve voorspellingen van alle positieve voorspellingen van het model. Het geeft aan hoeveel van de voorspelde positieve gevallen eigenlijk positief zijn.

Inzicht Herinnering

Herinneren, ook wel bekend als gevoeligheid, meet het aandeel van de feitelijke positieve gevallen die correct geïdentificeerd door het model. Het weerspiegelt het vermogen van het model om positieve gevallen te detecteren.

Berekening van de F1-score

De F1-score is het harmonische gemiddelde van precisie en terugroepbaarheid. Het geeft een enkele metriek die beide in balans brengt, vooral nuttig wanneer de klasseverdeling ongelijk is.

Voorbeeldberekening

Stel dat een model 80 positieve gevallen voorspelt, waarvan 60 correct zijn. De totale positieve gevallen zijn 70. De berekeningen zijn als volgt: