Precyzja może być postrzegana jako miara jakości, a przypominanie jako miara ilości. Większa precyzja oznacza, że algorytm zwraca bardziej trafne wyniki niż nieistotne, a wysoka powtarzalność oznacza, że algorytm zwraca większość trafnych wyników (niezależnie od tego, czy zwracane są również te nieistotne).
- Czym jest dobry wynik precyzji i przypomnienia?
- Co mówi krzywa precyzji odtworzenia??
- Jaki jest akceptowalny wynik F1??
- Jak interpretujesz wynik F??
Czym jest dobry wynik precyzji i przypomnienia?
Wysoka precyzja odnosi się do niskiego wskaźnika wyników fałszywie pozytywnych. Mamy 0.788 precyzja, co jest całkiem niezłe. Recall (Czułość) - Recall to stosunek poprawnie przewidzianych obserwacji pozytywnych do wszystkich obserwacji w aktualnej klasie - tak.
Co mówi krzywa precyzji odtworzenia??
Krzywe precyzji-przypominania podsumowują kompromis między prawdziwie dodatnią stopą a dodatnią wartością predykcyjną dla modelu predykcyjnego przy użyciu różnych progów prawdopodobieństwa.
Jaki jest akceptowalny wynik F1??
Wynik F1 jest uważany za doskonały, gdy wynosi 1 , podczas gdy model jest całkowitą porażką, gdy wynosi 0 . Pamiętaj: wszystkie modele są błędne, ale niektóre są przydatne. Oznacza to, że wszystkie modele wygenerują kilka wyników fałszywie ujemnych, kilka wyników fałszywie dodatnich i prawdopodobnie jedno i drugie.
Jak interpretujesz wynik F??
Jeśli uzyskasz dużą wartość f (która jest większa niż wartość krytyczna F znaleziona w tabeli), oznacza to, że coś jest znaczące, podczas gdy mała wartość p oznacza, że wszystkie twoje wyniki są znaczące. Statystyka F po prostu porównuje łączny efekt wszystkich zmiennych razem.