În problemele de clasificare supravegheate, evaluarea performanței unui model este esențială. Metrics cum ar fi precizia, rechemare, și scorul F1 oferă perspective cu privire la modul în care modelul prezice diferite clase. Înțelegerea modului de calcul a acestor indicatori ajută la selectarea și ajustarea modelelor în mod eficient.

Precizie

Precizia măsoară proporţia de predicţii pozitive corecte. Se calculează ca numărul de pozitive adevărate împărţit la suma de pozitive adevărate şi fals pozitive.

Formula de precizie este:

Precizie = Adevărate pozitive / (Adevărate pozitive + fals pozitive)

Rechemare

Reaminteşte, de asemenea, ca sensibilitate, măsoară proporţia de pozitive reale care sunt corect identificate. Se calculează ca numărul de pozitive reale împărţit la suma de pozitive reale şi negative false.

Formula de rechemare este:

Rechemare = Adevărate pozitive / (Adevărate pozitive + fals negative)

Scor F1

Scorul F1 combină precizia și rechemarea într-un singur metric prin calcularea mediei armonice. Acesta oferă o măsură echilibrată, în special atunci când distribuția clasei este inegală.

Formula pentru scorul F1 este:

Scor F1 = 2 * (Precizie * Recall) / (Precizie + Recall)

Rezumat

  • Precizia indică precizia predicţiilor pozitive.
  • Reamintește măsurile care permit identificarea tuturor cazurilor pozitive.
  • Scorul F1 echilibrează precizia și rechemă într-un singur indicator.