Точність, згадка та F1-score є важливими метриками, які використовуються для оцінки продуктивності моделей класифікації НПП. Вони допомагають зрозуміти, наскільки добре модель прогнозує різні класи, особливо в небалансованих даних.

Розуміння точності

Точність заходів, що стосуються істинних позитивних прогнозів серед всіх позитивних прогнозів, які зроблені моделлю. Це свідчить про те, скільки прогнозованих позитивних випадків, насправді позитивне.

Розуміння Recall

Нагадаємо, також відомий як чутливість, вимірює пропорцію фактичних позитивних випадків, які правильно визначаються моделлю. Відображує здатність моделі виявити позитивні екземпляри.

Розрахунок F1-Score

F1-score - це гармонічна ставка прецизійної та згадки. Вона забезпечує єдиний метрик, який балансує як, особливо корисний при розподілі класу нерівномірний.

Приклад розрахунку

Надаючи модель прогнозує 80 позитивних випадків, з яких 60 правильними. Всього реальних позитивних випадків становить 70. Розрахунки є наступним чином:

  • Порада: 60/80= 0.75
  • 60/70 ≈ 0.857
  • F1-Score: 2 * (0.75 * 0.857) / (0.75 + 0.857) ≈ 0.80