რა არის სიზუსტე და გახსენება მონაცემთა მოპოვებაში?

2024 ავტორი: Miles Stephen | [email protected]. ბოლოს შეცვლილი: 2023-12-15 23:37

ხოლო სიზუსტე ეხება თქვენი რელევანტური შედეგების პროცენტს, გახსენება ეხება თქვენი ალგორითმის მიერ სწორად კლასიფიცირებული მთლიანი შესაბამისი შედეგების პროცენტს. სხვა პრობლემებისთვის საჭიროა კომპრომისი და უნდა იქნას მიღებული გადაწყვეტილების მაქსიმიზაცია სიზუსტე , ან გახსენება.

გარდა ამისა, რა არის სიზუსტე და გახსენება მაგალითით?

მაგალითი დან სიზუსტე - გავიხსენოთ მეტრიკა კლასიფიკატორის გამომავალი ხარისხის შესაფასებლად. სიზუსტე - გავიხსენოთ არის პროგნოზის წარმატების სასარგებლო საზომი, როდესაც კლასები ძალიან გაუწონასწორებელია. ინფორმაციის მოპოვებისას, სიზუსტე არის შედეგის შესაბამისობის საზომი, ხოლო გახსენება არის საზომი, თუ რამდენი ჭეშმარიტად შესაბამისი შედეგი დაბრუნდა.

ზემოაღნიშნულის გარდა, როგორ გამოვთვალოთ სიზუსტე და გახსენება მონაცემთა მოპოვებაში? მაგალითად, სრულყოფილი სიზუსტისა და გახსენების ქულა გამოიწვევს სრულყოფილ F-Measure ქულას:

1. F-Measure = (2 * Precision * Recall) / (სიზუსტე + Recall)
2. F-Measure = (2 * 1.0 * 1.0) / (1.0 + 1.0)
3. F-Measure = (2 * 1.0) / 2.0.
4. F-Measure = 1.0.

ასევე იცოდეთ, რა არის სიზუსტე მონაცემთა მოპოვებაში?

შაბლონის ამოცნობაში, ინფორმაციის მოძიებაში და კლასიფიკაცია (მანქანის სწავლება), სიზუსტე (ასევე უწოდებენ პოზიტიურ პროგნოზირებულ მნიშვნელობას) არის შესაბამისი შემთხვევების ფრაქცია მოძიებულ შემთხვევებს შორის, ხოლო გახსენება (ასევე ცნობილი როგორც მგრძნობელობა) არის ფრაქცია შესაბამისი შემთხვევების საერთო რაოდენობისა, რომელიც იყო

რატომ ვიყენებთ სიზუსტეს და გახსენებას?

სიზუსტე არის განისაზღვრება, როგორც ჭეშმარიტი პოზიტივის რიცხვი გაყოფილი ჭეშმარიტი დადებითის რაოდენობაზე დამატებული ცრუ დადებითის რაოდენობაზე. ხოლო გახსენება გამოხატავს უნარს, იპოვოთ ყველა შესაბამისი ეგზემპლარი მონაცემთა ნაკრებში, სიზუსტე გამოხატავს იმ მონაცემთა წერტილების პროპორციას, რომელიც ჩვენი მოდელის მიხედვით იყო შესაბამისი, რეალურად იყო შესაბამისი.