Machine learning 关于精确性和召回率
假设我们有99%的非跨度和1%的跨度。在这里,我编写了如下函数Machine learning 关于精确性和召回率,machine-learning,data-analysis,Machine Learning,Data Analysis,假设我们有99%的非跨度和1%的跨度。在这里,我编写了如下函数 function y = predictSpam(x) y = 0; return 在这里,我们有真正的积极的是零。准确率为99%。在这种情况下,精度和召回率为零。我的理解是否正确?如果出现以下情况,请填写下表 actualclass1 | actualclass0 predict class1 0 | 0 -----------------------
function y = predictSpam(x)
y = 0;
return
在这里,我们有真正的积极的是零。准确率为99%。在这种情况下,精度和召回率为零。我的理解是否正确?如果出现以下情况,请填写下表
actualclass1 | actualclass0
predict class1 0 | 0
-------------------------------------------------
predict class0 1 | 99
m=100。上表填写正确。使用精度和召回时,我总是再次查看此图像: 因此,我们:
精度=真阳性/真阳性+假阳性
回忆=真阳性/真阳性+假阴性
在您的数据中,99被正确分类为0,1在应该是1时被分类为0
使用您的数据:
-true\u正值=0
-true\u negative=99
-假阳性=0
-false\u negative=1
你的真阳性是0,所以是的,召回率和准确率都是0
准确率确实是99% 使用precision and recall时,我总是再次查看此图像: 因此,我们:
精度=真阳性/真阳性+假阳性
回忆=真阳性/真阳性+假阴性
在您的数据中,99被正确分类为0,1在应该是1时被分类为0
使用您的数据:
-true\u正值=0
-true\u negative=99
-假阳性=0
-false\u negative=1
你的真阳性是0,所以是的,召回率和准确率都是0
准确率确实是99%