Video: Ano ang precision at recall sa data mining?
2024 May -akda: Miles Stephen | [email protected]. Huling binago: 2023-12-15 23:41
Habang katumpakan tumutukoy sa porsyento ng iyong mga resulta na may kaugnayan, alalahanin ay tumutukoy sa porsyento ng kabuuang nauugnay na mga resulta na wastong inuri ayon sa iyong algorithm. Para sa iba pang mga problema, kailangan ang isang trade-off, at kailangang gumawa ng desisyon kung i-maximize katumpakan , o alalahanin.
Higit pa rito, ano ang precision at recall na may halimbawa?
Halimbawa ng Katumpakan - Alalahanin panukat upang suriin ang kalidad ng output ng classifier. Katumpakan - Alalahanin ay isang kapaki-pakinabang na sukatan ng tagumpay ng hula kapag ang mga klase ay napaka-imbalanced. Sa paghahanap ng impormasyon, katumpakan ay isang sukatan ng kaugnayan ng resulta, habang alalahanin ay isang sukatan kung gaano karaming mga tunay na nauugnay na resulta ang ibinalik.
Sa tabi sa itaas, paano mo kinakalkula ang katumpakan at pag-recall sa data mining? Halimbawa, ang perpektong katumpakan at marka ng pagbabalik ay magreresulta sa perpektong marka ng F-Measure:
- F-Measure = (2 * Precision * Recall) / (Precision + Recall)
- F-Measure = (2 * 1.0 * 1.0) / (1.0 + 1.0)
- F-Measure = (2 * 1.0) / 2.0.
- F-Sukatan = 1.0.
Ang dapat ding malaman ay, ano ang precision sa data mining?
Sa pattern recognition, information retrieval at pag-uuri (pag-aaral ng makina), katumpakan (tinatawag ding positive predictive value) ay ang fraction ng mga nauugnay na instance sa mga nakuhang instance, habang ang recall (kilala rin bilang sensitivity) ay ang fraction ng kabuuang halaga ng mga nauugnay na instance na
Bakit natin ginagamit ang precision at recall?
Ang katumpakan ay tinukoy bilang ang bilang ng mga totoong positibo na hinati sa bilang ng mga tunay na positibo kasama ang bilang ng mga maling positibo. Habang alalahanin nagpapahayag ng kakayahang hanapin ang lahat ng nauugnay na pagkakataon sa isang dataset, katumpakan nagpapahayag ng proporsyon ng mga punto ng data na sinasabi ng aming modelo na may kaugnayan at talagang may kaugnayan.
Inirerekumendang:
Ano ang longwall mining method?
Longwall mining Ang Longwall mining ay isang underground na paraan ng paghuhukay ng karbon mula sa tabular na deposito, gayundin ang malambot na deposito ng mineral tulad ng potash. Ang malalaking hugis-parihaba na bloke ng karbon ay tinukoy sa yugto ng pag-unlad ng minahan at pagkatapos ay kinukuha sa isang solong tuluy-tuloy na operasyon
Ano ang pagkakaiba ng strip mining at underground mining?
Ang Pagkakaiba sa Pagitan ng Underground Mining At Surface Mining Ang proseso ng pag-alis ng mahahalagang mineral ores o geological substance mula sa lupa o buhangin ay tinatawag na pagmimina. Ang mga surface mine, o strip mine, ay malalaking hukay kung saan inaalis ang dumi at bato upang ilantad ang mga mineral
Ano ang area strip mining?
Area strip mining. uri ng surface mining na ginagamit kung saan patag ang lupain. inaalis ng earthmover ang overburden, at hinuhukay ng power shovel ang isang hiwa upang alisin ang deposito ng mineral. Ang trench ay isinampa ng overburden at ang isang bagong hiwa ay ginawa parallel sa nauna
Aling paraan ng pag-uuri ng data ang naglalagay ng pantay na bilang ng mga talaan o mga yunit ng pagsusuri sa bawat klase ng data?
Dami. bawat klase ay naglalaman ng pantay na bilang ng mga tampok. Ang isang quantile classification ay angkop na angkop sa linearly distributed na data. Nagtatalaga ang Quantile ng parehong bilang ng mga halaga ng data sa bawat klase
Aling katangian ng data ang sukatan ng halaga na lubos na pinahahalagahan ng data?
Pagkakaiba-iba: Isang sukat ng halaga na nag-iiba ang mga halaga ng data. ? Pamamahagi: Ang kalikasan o hugis ng pagkalat ng data sa hanay ng mga halaga (tulad ng hugis ng kampana). ? Mga Outlier: Mga sample na value na napakalayo sa karamihan ng iba pang sample na value