Math 计算分类精度的最佳方法是什么?
我知道计算分类准确度的一个公式是X=t/n*100(其中t是正确分类的数量,n是样本总数) 但是,假设我们总共有100个样本,80个在A类,10个在B类,10个在C类 场景1:所有100个样本都被分配到A类,通过使用公式,我们得到的准确度为80% 场景2:属于B的10个样本被正确分配到B类;属于C类的10个样本也被正确分配到C类;30个样本属于正确分配到A类的A;其余50个属于A的样本被错误地分配到C。通过使用公式,我们得到了50%的准确度 我的问题是: 1:我们可以说场景1的准确率高于场景2吗 2:有没有办法计算分类问题的准确率Math 计算分类精度的最佳方法是什么?,math,machine-learning,statistics,neural-network,probability,Math,Machine Learning,Statistics,Neural Network,Probability,我知道计算分类准确度的一个公式是X=t/n*100(其中t是正确分类的数量,n是样本总数) 但是,假设我们总共有100个样本,80个在A类,10个在B类,10个在C类 场景1:所有100个样本都被分配到A类,通过使用公式,我们得到的准确度为80% 场景2:属于B的10个样本被正确分配到B类;属于C类的10个样本也被正确分配到C类;30个样本属于正确分配到A类的A;其余50个属于A的样本被错误地分配到C。通过使用公式,我们得到了50%的准确度 我的问题是: 1:我们可以说场景1的准确率高于场景2吗
非常感谢 分类准确度定义为“正确预测的百分比”。无论类的数量如何,情况都是如此。因此,场景1比场景2具有更高的分类精度 然而,听起来你真正想要的是一个替代的评估指标或过程,它“奖励”场景2中只犯某些类型的错误。我有两个建议:
即使您不是scikit学习用户,scikit学习文档的第页也有很多关于分类器评估的好信息。我认为您需要的是精度与召回率。。。只需在谷歌上搜索一下,读一读简洁但“信息丰富”的答案。给自己一个香农拍拍。