Precizie, rechemare, și scorul F1 sunt indicatori importanți utilizați pentru a evalua performanța modelelor de clasificare. Înțelegerea modului de calcul și interpretare a acestor indicatori ajută la evaluarea eficacității modelelor de învățare a mașinilor în diferite aplicații.

Calculez precizia

Precizia măsoară proporția de predicții pozitive reale între toate previziunile pozitive făcute de model. Aceasta indică cât de multe dintre cazurile pozitive anticipate sunt de fapt pozitive.

Formula de precizie este:

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

Calculez rechemările

Reamintim, de asemenea, ca sensibilitate, măsoară proporția de cazuri pozitive reale care sunt identificate corect prin model. Ea reflectă capacitatea modelului de a detecta cazuri pozitive.

Formula de rechemare este:

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

Calculez scorul F1

Scorul F1 este media armonică de precizie și de rechemare. Acesta oferă o măsură echilibrată care ia în considerare ambele indicatori, în special util atunci când distribuția clasei este inegală.

Formula pentru scorul F1 este:

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

Interpretarea datelor

Precizie mare indică faptul că cele mai prezise pozitive sunt corecte, în timp ce o rechemare ridicată arată că cele mai reale pozitive sunt identificate. Scorul F1 echilibrează aceste două aspecte. În funcție de aplicație, prioritizarea un metric peste altele poate fi necesară.

De exemplu, în diagnosticul medical, rechemarea ar putea fi mai importantă pentru a se asigura că nu lipsesc cazuri pozitive. În detectarea spamului, precizia ar putea fi prioritizată pentru a reduce fals pozitive.