Запитання з тегом «precision-recall»

Я працюю над проблемою бінарної класифікації, де набагато важливіше не мати помилкових позитивів; досить багато помилкових негативів - це нормально. Наприклад, я використовував купу класифікаторів у sklearn, але я думаю, що жоден з них не має можливості чітко регулювати компроміс з точністю нагадування (вони дають досить хороші результати, але не …

11 classification  precision-recall 

Оскільки у мене дуже незбалансований набір даних (9% позитивних результатів), я вирішив, що крива точності відкликання була більш підходящою, ніж крива ROC. Я отримав аналогічну підсумкову оцінку площі під кривою PR (.49, якщо вас цікавить), але не знаю, як її інтерпретувати. Я чув, що .8 або вище - це хороший …

11 classification  precision-recall  auc 

Це показник F бета: Fβ=(1+β2)⋅precision⋅recall(β2⋅precision)+recallFβ=(1+β2)⋅precision⋅recall(β2⋅precision)+recallF_\beta = (1 + \beta^2) \cdot \frac{\mathrm{precision} \cdot \mathrm{recall}}{(\beta^2 \cdot \mathrm{precision}) + \mathrm{recall}} У статті Вікіпедії зазначено, що .FβFβF_\beta "measures the effectiveness of retrieval with respect to a user who attaches β times as much importance to recall as precision" Я не здобув ідеї. Чому так …

10 machine-learning  precision-recall  model-evaluation 

В даний час я порівнюю три методи, і в мене є показники точності, auROC і auPR. І я маю такі результати: Спосіб A - соотв .: 0,75, auROC: 0,75, auPR: 0,45 Спосіб B - ac: 0,65, auROC: 0,55, auPR: 0,40 Спосіб C - acc: 0,55, auROC: 0,70, auPR: 0,65 Я …

10 machine-learning  roc  precision-recall 

Чому б не згадати, враховувати справжні негативи? В експериментах, де справжні негативи так само важливі, як і справжні позитиви, чи є їх порівнянна метрика, яка враховує це?

10 precision-recall 

1) Як я можу змінити поріг класифікації (я думаю, це 0,5 за замовчуванням) у RandomForest у sklearn? 2) як я можу зробити недостатню вибірку в sklearn? 3) У мене є такий результат класифікатора RandomForest: [[1635 1297] [520 3624]] precision recall f1-score support class 0 0.76 0.56 0.64 2932 class 1 …

9 classification  random-forest  precision-recall  unbalanced-classes