Tarkkuutta voidaan pitää laadun mittana ja muistamista määrän määränä. Suurempi tarkkuus tarkoittaa, että algoritmi palauttaa osuvampia tuloksia kuin epäolennaiset, ja korkea muistettavuus tarkoittaa, että algoritmi palauttaa suurimman osan asiaankuuluvista tuloksista (riippumatta siitä, palautetaanko myös epäolennaiset tulokset).
- Mikä on hyvä tarkkuus ja muistutuspisteet?
- Mitä tarkkuusmuistutuskäyrä kertoo sinulle?
- Mikä on hyväksyttävä F1 -pisteet?
- Miten tulkitset F -pistemäärän??
Mikä on hyvä tarkkuus ja muistutuspisteet?
Korkea tarkkuus liittyy alhaiseen väärennösprosenttiin. Meillä on 0.788 tarkkuus, joka on aika hyvä. Palautus (herkkyys) - Muistutus on oikein ennustettujen positiivisten havaintojen suhde kaikkiin todellisen luokan havaintoihin - kyllä.
Mitä tarkkuusmuistutuskäyrä kertoo sinulle?
Precision-Recall -käyrät esittävät yhteenvedon todellisen positiivisen koron ja positiivisen ennustavan arvon välillä ennustemallissa, jossa käytetään eri todennäköisyyskynnyksiä.
Mikä on hyväksyttävä F1 -pisteet?
F1 -pistemäärää pidetään täydellisenä, kun se on 1, kun taas malli on täydellinen epäonnistuminen, kun se on 0 . Muista: Kaikki mallit ovat vääriä, mutta jotkut ovat hyödyllisiä. Toisin sanoen kaikki mallit tuottavat vääriä negatiivisia, joitain vääriä positiivisia ja mahdollisesti molempia.
Miten tulkitset F -pistemäärän??
Jos saat suuren f -arvon (joka on suurempi kuin taulukossa oleva kriittinen F -arvo), se tarkoittaa jotain merkittävää, kun taas pieni p -arvo tarkoittaa, että kaikki tulokset ovat merkittäviä. F -tilasto vertaa vain kaikkien muuttujien yhteisvaikutusta yhdessä.