Trong các vấn đề phân loại giám sát, việc đánh giá hiệu suất của một mô hình là thiết yếu. các nhà toán học như chính xác, nhớ lại và F1 điểm cung cấp sự hiểu biết về cách mà các mô hình dự đoán tốt các lớp khác nhau.

Độ chính xác

Tính toán chính xác tỉ lệ của các dự đoán tích cực là số dương chia cho tổng số dương thực và dương sai.

Công thức cho độ chính xác là:

Dịch phụ đề: QKK

Nhớ

Hãy nhớ rằng, cũng được gọi là độ nhạy cảm, đo tỷ lệ tích cực thực tế được xác định đúng, và tính toán là số dương thực chia cho tổng số dương thực và âm sai.

Công thức để nhớ lại là:

Gọi lại = True Racides / (Những tích cực thật + âm tính sai)

Điểm F1

Điểm F1 kết hợp chính xác và nhớ lại từng phần một bằng cách tính toán ý nghĩa của nó, nó cung cấp một thước đo cân bằng, đặc biệt khi phân phối lớp học không đều.

Công thức cho điểm F1 là:

Điểm F1 = 2 * (Precion * Re Re Re Re Re Recion) / (Precion + Reci Re Re Reci)

Tóm tắt

  • Chính xác cho thấy sự chính xác của những lời tiên đoán tích cực.
  • Hãy nhớ lại khả năng nhận diện tất cả các trường hợp tích cực.
  • F1 sẽ cân bằng chính xác và nhớ vào một bộ đo đơn giản.