วีดีโอ: ความแม่นยำและการเรียกคืนในการขุดข้อมูลคืออะไร?
2024 ผู้เขียน: Miles Stephen | [email protected]. แก้ไขล่าสุด: 2023-12-15 23:41
ในขณะที่ ความแม่นยำ หมายถึงเปอร์เซ็นต์ของผลลัพธ์ที่เกี่ยวข้อง จำ หมายถึงเปอร์เซ็นต์ของผลลัพธ์ที่เกี่ยวข้องทั้งหมดซึ่งจำแนกอย่างถูกต้องโดยอัลกอริทึมของคุณ สำหรับปัญหาอื่นๆ จำเป็นต้องมีการประนีประนอม และต้องตัดสินใจว่าจะเพิ่มให้สูงสุดหรือไม่ ความแม่นยำ , หรือ จำ.
นอกจากนี้ ความแม่นยำและการเรียกคืนคืออะไรด้วยตัวอย่าง?
ตัวอย่าง ของ ความแม่นยำ - จำ เมตริกเพื่อประเมินคุณภาพการส่งออกลักษณนาม ความแม่นยำ - จำ เป็นตัวชี้วัดความสำเร็จของการทำนายที่มีประโยชน์เมื่อชั้นเรียนไม่สมดุลมาก ในการดึงข้อมูล ความแม่นยำ เป็นตัวชี้วัดความเกี่ยวข้องของผลลัพธ์ในขณะที่ จำ คือการวัดจำนวนผลลัพธ์ที่เกี่ยวข้องอย่างแท้จริงที่ส่งคืน
นอกเหนือจากข้างต้น คุณจะคำนวณความแม่นยำและการเรียกคืนในการขุดข้อมูลได้อย่างไร ตัวอย่างเช่น ความแม่นยำที่สมบูรณ์แบบและคะแนนการจำได้จะส่งผลให้คะแนนการวัด F สมบูรณ์แบบ:
- F-Measure = (2 * ความแม่นยำ * การเรียกคืน) / (ความแม่นยำ + การเรียกคืน)
- F-Measure = (2 * 1.0 * 1.0) / (1.0 + 1.0)
- F-Measure = (2 * 1.0) / 2.0.
- F-วัด = 1.0.
อีกอย่างที่ต้องรู้คือ ความแม่นยำในการทำเหมืองข้อมูลคืออะไร?
ในการจดจำรูปแบบ การดึงข้อมูล และ การจัดหมวดหมู่ (แมชชีนเลิร์นนิง), ความแม่นยำ (เรียกอีกอย่างว่าค่าพยากรณ์เชิงบวก) คือเศษส่วนของอินสแตนซ์ที่เกี่ยวข้องระหว่างอินสแตนซ์ที่ดึงมา ในขณะที่การเรียกคืน (หรือที่เรียกว่าความไว) คือเศษส่วนของจำนวนอินสแตนซ์ที่เกี่ยวข้องทั้งหมดที่มี
เหตุใดเราจึงใช้ความแม่นยำและการเรียกคืน
ความแม่นยำคือ กำหนดเป็นจำนวนของผลบวกจริงหารด้วยจำนวนของผลบวกจริงบวกจำนวนผลบวกเท็จ ในขณะที่ จำ เป็นการแสดงออกถึงความสามารถในการค้นหาอินสแตนซ์ที่เกี่ยวข้องทั้งหมดในชุดข้อมูล ความแม่นยำ แสดงสัดส่วนของจุดข้อมูล แบบจำลองของเราบอกว่ามีความเกี่ยวข้อง จริง ๆ แล้วมีความเกี่ยวข้อง