При проблемах контролируемой классификации оценка производительности модели имеет важное значение. Такие показатели, как точность, отзыв и оценка F1, дают представление о том, насколько хорошо модель предсказывает различные классы. Понимание того, как вычислять эти показатели, помогает эффективно выбирать и настраивать модели.

точность

Точность измеряет долю правильных положительных предсказаний, которая рассчитывается как число истинных положительных, деленное на сумму истинных положительных и ложных положительных.

Формула точности заключается в следующем:

Точность = Истинные Положительные / (Истинные Положительные + Ложные Положительные)

напоминать

Напомним, также известная как чувствительность, измеряет долю фактических положительных, которые правильно идентифицированы. Она рассчитывается как число истинных положительных, деленное на сумму истинных положительных и ложных отрицательных.

Формула отзыва заключается в следующем:

Напомним = Истинные Положительные / (Истинные Положительные + Ложные Отрицательные)

F1 Score

Оценка F1 сочетает в себе точность и отзыв в единую метрику, вычисляя их гармоническое среднее. Она обеспечивает сбалансированную меру, особенно когда распределение классов неравномерно.

Формула для оценки F1:

F1 Score = 2 * (Precision * Recall) / (Precision + Recall)

Резюме

  • Точность указывает на точность позитивных прогнозов.
  • Напоминаем меры по способности выявить все положительные экземпляры.
  • Оценка F1 уравновешивает точность и вспоминаемость в единую метрику.