Khi đó, Precision được tư tưởng là tỉ trọng số điểm Positive quy mô dự đoán đúng trên tổng số điểm quy mô dự đoán là Positive. Recall được tư tưởng là tỉ lệ thành phần số điểm Positive quy mô dự đoán đúng bên trên tổng số điểm thật sự là Positive (hay tổng số điểm được gán nhãn là Positive ban đầu).

Bạn đang xem: Precision and recall là gì

Precision càng cao, tức là số điểm quy mô dự đoán là positive hồ hết là positive càng nhiều. Precision = 1, có nghĩa là tất cả số điểm mô hình dự doán là Positive hầu hết đúng, hay không có điểm nào tất cả nhãn là Negative mà mô hình dự đoán nhầm là Positive.

Recall càng cao, có nghĩa là số điểm là positive bị loại bỏ càng ít. Recall = 1, có nghĩa là tất cả số điểm bao gồm nhãn là Positive phần nhiều được quy mô nhận ra.

Để hiểu rõ hơn về nhị chỉ số này, ta hoàn toàn có thể tưởng tượng một ví dụ như sau. Lúc một người nghĩ rằng mình đang mắc bệnh gì đó, họ thường đi đến bệnh dịch viện để gia công các xét nghiệm để bác bỏ sĩ chẩn đoán xem kết quả là dương tính tốt là âm tính. Ta gồm hai trường thích hợp về tình trạng dịch là mắc bệnh dịch hoặc ko mắc bệnh. Ta tất cả hai trường thích hợp về tác dụng chẩn đoán là dương tính cùng âm tính.

Khi đó, precision là tỉ lệ bạn được chẩn đoán là dương tính thật sự mắc bệnh dịch trên tổng số tín đồ được chẩn đoán là dương tính. Trường hợp precision = 0.9, thì cứ 100 tín đồ được chẩn đoán là dương tính thì vẫn thật sự có 90 người mắc bệnh. Precision càng tốt thì phần trăm người được chẩn đoán là dương tính có công dụng mắc căn bệnh càng cao.

Recall là tỉ lệ người được chẩn đoán là dương tính thiệt sự mắc dịch trên tổng số người thật sự mắc bệnh. Ví như recall = 0.9, thì cứ 100 tín đồ mắc bệnh dịch thì vẫn chẩn đoán 90 người dương tính. Recall càng cao thì phần trăm người mắc bệnh dịch được chẩn đoán là dương tính càng cao.

F1-score

Tuy nhiên, chỉ bao gồm Precision hay chỉ bao gồm Recall thì không review được chất lượng mô hình.

Chỉ dùng Precision, quy mô chỉ gửi ra dự đoán cho một điểm mà lại nó chắc hẳn rằng nhất. Lúc ấy Precision = 1, tuy vậy ta quan yếu nói là quy mô này tốt.Chỉ cần sử dụng Recall, nếu quy mô dự đoán toàn bộ các điểm mọi là positive. Khi đó Recall = 1, mặc dù ta cũng cấp thiết nói đấy là mô hình tốt.

Khi kia F1-score được sử dụng. F1-score là trung bình điều hòa (harmonic mean) của precision cùng recall (giả sử hai đại lượng này khác 0). F1-score được tinh theo công thức:

Accuracy hay độ thiết yếu xác, đo lường và tính toán mức độ gần của các viên đạn bên trên bia đạn so với hồng tâm. Accuracy càng cao, tức là các viên đạn càng ngay sát với hồng tâm.

Precision, tốt độ chuẩn xác, giám sát và đo lường mức độ tập trung của những viên đạn trên bia đạn. Precision càng cao, có nghĩa là các viên đạn càng tập trung vào trong 1 chỗ.

Một phiên phiên bản vui vẻ hơn của precision với accuracy:


Trong machine learning, accuracy với precision tương tự như như vấn đề bias-variance.

Tại sao là harmonic mean, mà không hẳn các cách tính trung bình khác?

Giả sử precision = 0.9, recall = 0.4.

Ta lần lượt thử những cách tính vừa đủ Arithmetic mean, Geometric mean cùng Harmonic mean.

Xem thêm: Kí Hiệu Là Gì ? Nghĩa Của Từ Kí Hiệu Trong Tiếng Việt Từ Điển Tiếng Việt Kí Hiệu

*

*

*

Ta hoàn toàn có thể thấy, harmonic mean cho công dụng thấp hơn nếu như như cực hiếm của Precision hoặc Recall thấp. Tức là harmonic mean yêu mong cả precision và recall cao để cho ra tác dụng cao.